人工知能（AI）技術の急速な発展に伴い、深層学習は複雑なタスクにおいて顕著な進展を遂げてきました。しかし、深層学習の成功は、大量のラベル付きデータに大きく依存しており、データのラベル付けプロセスは時間がかかる上に、労力がかかり、専門的知識も必要とするため、コストが高いという課題があります。特に、ロボットスキル学習、触媒発見、薬物発見、タンパク質生産最適化などの専門分野では、ラベル付きデータの取得が特に困難で、コストも高くなります。この問題を解決するため、深層ベイジアン能動学習（Deep Bayesian Active Learning, DBAL）が登場しました。DBALは、最も情報量の多いデータを能動的に選択してラベル付けすることで、ラベル付けの効率を大幅に向上させ、限られたラベル付きデー...

多目的進化的最適化による移民定住問題解決の新たなフレームワークに関する研究報告 グローバル化の進展が加速し、社会経済的背景が変化する中、移民（migrants）現象は無視できない世界的なトレンドとなっています。人道的支援の観点や、グローバル経済の持続可能な発展の観点から、移民を効果的に管理し定住させることは、複雑で重要な課題となっています。統計データによると、2019年現在、国際移民の総数は2.72億人に達しており、従来の予測をはるかに上回る成長を示しています。そして、この現象は将来も続くとされています。しかし一方で、移民定住のプロセスには多くの課題が伴います。例えば、どのように移民の雇用率を向上させるのか、またどのように適切な定住地に移民を合理的に配置するのかといった問題です。これらの問い...

マルチエージェントハイブリッド環境協調ナビゲーション研究: 関係グラフ学習に基づく強化学習の新しいアプローチ モバイルロボット技術は、人工知能分野の進展とともに応用ブームを迎えています。その中で、ナビゲーション能力はモバイルロボット研究の核心的なホットスポットの1つです。従来のナビゲーション手法は、動的環境、障害物回避、複数ロボットの協調タスクに直面した際、アルゴリズムの複雑性、計算資源の消費、モデルの汎化性という問題に直面しやすいです。これらの課題を解決するため、Central South UniversityとZhejiang University of Technologyの研究チームは、関係グラフアテンションネットワーク（Graph Attention Network, GAT）に基...

非線形固定時間強化学習最適化制御によるインテリジェント船舶自動操舵システムの研究 近年、インテリジェント自動操舵技術は自動化制御分野における研究の焦点の一つとなっています。複雑な非線形システムにおいて、特に固定時間内でシステムの安定性と性能最適化を実現するための最適化制御戦略の設計は、制御エンジニアと研究者にとって重要な課題となっています。しかし、既存の固定時間制御理論は、システム状態の収束を実現する際にリソース利用効率とのバランスを考慮していない場合が多く、このため過剰補償または補償不足の現象を引き起こし、システムの定常状態誤差を増加させる可能性があります。さらに、時間制限内での非線形不確実性の推定誤差最小化については、関連研究は依然として少ないのが現状です。したがって、本研究では、この重...

戦略合意に基づく分散型決定性マルチエージェント強化学習研究レポート 強化学習（Reinforcement Learning, RL）は近年、ロボティクス、スマートグリッド、自動運転などの多くの分野で顕著な進展を遂げています。しかし、現実のシナリオでは、マルチエージェント（Multi-Agent Reinforcement Learning, MARL）の協調学習がしばしば要求されます。このような問題の中心的な課題は、通信能力の制約やプライバシー保護の条件下で、効率的なマルチエージェント協調強化学習アルゴリズムを設計することです。現在の多くのMARLアルゴリズムは、広く使用されている集中型訓練-分散型実行（Centralized Training with Decentralized Exec...

SHAPに基づく電力価格予測モデルの改良とその説明可能性の分析 背景と研究動機 電力市場における価格予測モデルは近年注目を集めており、市場の価格変動が関係者の財務に与える影響を考える上で重要です。特に、ヨーロッパのエネルギー市場では、エネルギー危機や地政学的要因の影響で、ここ数年燃料価格が急騰し、それに伴い電力市場の価格変動性が著しく増加しています。予測誤差がわずか1%でも、発電会社や需要応答事業者、取引会社などに大きな財務的影響を与える可能性があります。例えば、使用電力量が1GWに達する企業において、予測誤差が1%減少するだけでも、年間約1,200万ドルのコスト削減が可能となります。そのため、市場参加者にとって電力価格予測（Electricity Price Forecasting, EP...

複数目的動的柔軟ジョブショップスケジューリングにおける画期的研究：多タスク学習による目標偏向の最適化を実現した革新的手法 背景紹介 動的柔軟ジョブショップスケジューリング（Dynamic Flexible Job Shop Scheduling, DFJSS）は重要な組合せ最適化問題であり、製造や倉庫管理などの生産プロセスに幅広く応用されています。例えば、製造プロセスのタスク割り当てや倉庫の注文ピッキング作業の最適化に利用されています。この問題の中心点は、動的な環境下で複数の機械やジョブに対する柔軟なタスク割り当てと操作順序の決定を行い、特定の効率指標を最大化したり時間コストを最小化することにあります。しかし、この問題の複雑さは非常に高く、特にタスクが動的に到着したり機械が故障した場合、従来...

非専門家ポリシー強化学習に基づくドローンの視覚制限環境における障害回避能力の向上に関する研究 近年、ドローン（Unmanned Aerial Vehicle, UAV）はその卓越した機動性と多様な機能性により、荷物の配送、リスク評価、緊急救助といった民間分野で広く利用されています。しかし、ドローンが遂行するミッションの複雑性、範囲、持続時間が増加するにつれて、特に混雑した高い不確実性の環境で障害回避を実現することが大きな課題となっています。しかし、従来のグローバルナビゲーション手法は通常、視覚が制限された条件下での障害シナリオを処理することが難しく、全体的な情報に依存しています。本研究では、このようなシナリオでの障害回避問題に取り組み、ドローンのリアルタイムナビゲーション能力を向上させること...

RNNの効率的な活性化関数実現：CORDICアルゴリズムとFPGAハードウェア加速の革新 背景と研究の重要性 近年、ディープラーニング技術の急速な発展に伴い、特にリカレントニューラルネットワーク（Recurrent Neural Networks, RNNs）および長短期記憶ネットワーク（Long Short-Term Memory, LSTM）が、自然言語処理（Natural Language Processing, NLP）、音声認識、医療診断などの時間系列タスクにおいて強力な能力を発揮しています。しかし、畳み込みニューラルネットワーク（Convolutional Neural Networks, CNNs）と比較して、RNNモデルはその複雑性および非線形活性化関数の需要が多いため、計算...

単片集積型3次元IGZO-RRAM-SRAMコンピューティングストレージ新アーキテクチャ研究：ニューラルネットワーク計算効率向上のブレークスルー 背景と研究の動機 ニューラルネットワーク（Neural Network, NN）が人工知能分野で広く応用されるにつれ、従来の計算アーキテクチャでは、エネルギー消費、速度、密度に関する要求を満たすのが困難です。この問題を解決するため、研究者はコンピューティングストレージ（Compute-In-Memory, CIM）チップ技術に注目しています。CIMは、計算ユニットとストレージユニットを1つのアーキテクチャに統合することで、大量のデータ転送による「メモリボトルネック」効果を回避し、システム効率を大幅に向上させるものです。これまでのCIMアーキテクチャ...