ドイツ重ホールスピン量子ビットの最適動作点およびその高異方性ノイズ感度 背景と動機 量子コンピュータ（quantum computer）の発展は、複雑な問題の解決において非常に有望です。しかし、エラー耐性のある量子コンピュータを構築するには、高度にコヒーレントな大量の量子ビット（qubit）を統合する必要があります。スピン量子ビット、特にドイツゲルマニウム（Germanium, Ge）量子井戸のホール量子ビットは、その低ノイズ環境、高効率な制御および製造の難易度の低さにより、徐々に注目を集めています。しかし、これらの量子ビットを制御する過程で、電場によって引き起こされるg-テンソル（g-tensor）異方性によるデコヒーレンスおよび制御の課題に頻繁に直面します。 重ホール（heavy hol...

プログラム可能なトポロジーフォトニックチップの研究進展 研究背景 近年、トポロジー絶縁体（Topological Insulators, TI）は物理学界で大きな注目を集め、その豊富な物理メカニズムとトポロジー境界モードの潜在的な応用が、この分野を急速に発展させました。量子ホール効果（Quantum Hall Effect）の発見以来、トポロジー相（Topological Phase）の研究は大きな進歩を遂げ、次元性、対称性、非エルミート性、欠陥など多岐にわたる内容が含まれます。トポロジーとフォトニクスが出会うと、トポロジーフォトニクス分野が急速に台頭し、独立した研究方向となり、光学科学と技術の発展を革新的に促進しました。トポロジーフォトニクスシステムは、雑音が少なく、格子幾何の制約が少なく...

学術報告：先進最適追跡と神経ネットワーク評価技術の統合による非対称制約ゼロサムゲームの研究 背景と研究課題 現代の制御分野において、ゲーム理論は、少なくとも二人のプレイヤーの相互決定問題を含む、知的意思決定者間の競争と協力を研究する数学モデルである。近年、微分ゲームは制御分野でますます注目を集めている。複雑な外乱システムの最適制御問題に直面する際、通常これをゼロサムゲーム（Zero-Sum Game, ZSG）と見なす。システムの制御問題が異なる制御戦略を含み、外乱がない場合、非ゼロサムゲーム（Non-ZSG）と呼ばれる。しかし、実際のシステムには様々な外乱が存在するため、外乱がシステム性能に与える影響を軽減するために、ZSG問題をさらに考慮することが非常に重要である。 特に連続時間（Con...

深層神経ネットワーク生成コンテンツの不可視かつロバストな保護方法 学術的背景 近年、深層学習モデルが工学アプリケーションで革命的な発展と広範な応用を見せており、ChatGPTやDALL⋅E 2のような現象的なアプリケーションが次々と登場し、人々の日常生活に深い影響を与えています。同時に、人々はオープンソースの深層学習技術を利用して、画像スタイル転移や画像のカートゥーン化などの様々なコンテンツを作成できます。これらの技術はAI生成コンテンツ（AIGC）と呼ばれています。こうした背景の中で、AIGCを基にした商業アプリケーション（例えば、美图、Prisma、Adobe Lightroomなど）の著作権保護が急務かつ避けられないものとなりました。しかし、多くのAIGC関連技術がオープンソースである...

学術報告 背景紹介 知識グラフ（Knowledge Graph, KG）は、エンティティと関係の情報を記録する構造化データで、質疑応答システム、情報検索、機械読解などの分野で広く利用されています。知識グラフ埋め込み（Knowledge Graph Embedding, KGE）技術は、グラフ内のエンティティと関係を低次元の密なベクトル空間にマッピングすることで、関連アプリケーションの性能を大幅に向上させます。しかし、KGEモデルのトレーニングにおいて、高品質な負のサンプル（negative samples）を生成する方法が極めて重要です。 現在主流のKGEモデルは、負のサンプル生成において多数の課題に直面しています。いくつかのモデルは均等分布やベルヌーイ分布などの単純な静的分布を使用しており...

近年来、プライバシー保護や大規模データ転送などのアプリケーションシナリオにおいて、データの不可アクセス性に対する厳しい課題が浮き彫りになっているため、研究者たちはデータフリー知識蒸留（Data-Free Knowledge Distillation、以下DFKD）という方法を提唱し、これらの問題を解決しようとしている。知識蒸留（Knowledge Distillation、以下KD）は、深層事前学習モデル（教師モデル）から知識を学習させることで軽量モデル（学生モデル）を訓練する手法である。しかし、従来の知識蒸留法は使用可能な訓練データを必要とし、これはプライバシー保護や大規模データ転送のシナリオでは現実的ではない。本論文では、新しいDFKD手法であるAdaptive Data-Free Kn...

論文の背景と研究目的 強化学習（Reinforcement Learning, RL）は近年、人工知能分野で非常に活発かつ変革的な分野となっており、その目的はエージェントと環境との相互作用を通じて累積報酬を最大化する能力を実現することです。しかし、実際にRLを応用する際にはベルマン誤差（Bellman Error）の最適化という課題が直面しています。この誤差は深層Q学習などの関連アルゴリズムで特に重要で、従来の方法は主に平均二乗ベルマン誤差（Mean-Squared Bellman Error, MSELoss）を標準の損失関数として使用しています。ただし、ベルマン誤差が正規分布に従うという仮定は、RL応用における複雑な特性を過度に単純化している可能性があります。したがって、本論文はRL訓練...

構造強化の原型アライメントによる教師なしドメイン適応ノード分類 序論 現代情報技術の発展に伴い、グラフニューラルネットワーク（Graph Neural Networks、GNNs）は複雑なネットワークのノード分類タスクにおいて顕著な成功を収めています。しかし、その一つの大きな課題は大量の高品質なラベルデータを必要とすることです。これはグラフ構造データに対して取得コストが高く、時間もかかります。したがって、豊富なラベルがあるグラフ（ソースドメイン）から知識を完全にラベルのないグラフ（ターゲットドメイン）に移す方法が重要な問題となっています。 研究背景と目的 著者のチームは浙江大学計算機科学学院、浙江省サービスロボット重点実験室、およびシンガポール国立大学計算機科学学院から来ています。彼らは構造...

语義セグメンテーションは画像内の各ピクセルに対してクラスラベルを予測することを目的としており（Liu et al., 2021; Wang et al., 2021）、シーンの理解、医療画像解析、自動運転、地理情報システム、拡張現実などに広く応用されています（Strudel et al., 2021; Sun et al., 2023）。深層神経ネットワークの発展により、セグメンテーションタスクの性能が大幅に向上しましたが（Chen et al., 2014; Guan et al., 2021; Zhao et al., 2017）、これらの進歩はモデルの訓練に大量のピクセルレベルのアノテーションデータを必要とし、これらのデータの取得は現実の場面では高コストです（Jiang et al.,...

プロトタイプに基づくサンプル加重ディスティレーション統一フレームワークの欠損モダリティ感情分析への応用 研究背景 感情分析は自然言語処理(NLP)における重要な分野であり、ソーシャルメディアプラットフォームの発展と共に、人々は短いビデオクリップを通じて感情を表現する傾向が強まっています。これによりマルチモーダルデータが急速に増加しています。しかし、現実生活ではモダリティ欠損の状況がよく発生します。たとえば、音声が失われたり、カメラが遮られたり、音声の転記ミスなどが原因です。このような状況では、欠損モダリティの感情分析が重要であり、かつ困難な課題となります。マルチモーダルの異質性は、すべてのモダリティをマルチモーダルネットワーク上で同じ目標に最適化しようとするときに、特にモダリティ欠損の場合に...