在データ取得技術の絶え間ない発展によって、多様な特徴を含む大量の高次元データを取得することが非常に容易になっています。例えば、画像やビジュアルデータなどがそうです。しかし、従来の機械学習方法、特にベクトルや行列に基づく手法は、次元の災害、計算の複雑度の増加、およびモデルの過適合といった課題に直面しています。これらの問題を解決するために、テンソルという多次元配列の表現方法がベクトルや行列よりも柔軟性が高く、高次元データをうまく処理できるため、テンソルに基づく機械学習手法が学術研究の焦点となっています。 サポートテンソルマシン (Support Tensor Machine, STM) は効果的なテンソル分類手法であり、サポートベクトルマシン (Support Vector Machine, S...

適応型統合分解とクロスモーダル注意融合に基づく電力網故障診断フレームワーク 研究背景 現代の電力システムの規模が拡大し複雑化する中で、電力網の安定運行はますます厳しい挑戦に直面しています。電力網の故障は自然災害、設備故障、局所的な電力網構造の脆弱性など複数の要因によって引き起こされる可能性があります。これらの故障は電力利用者の正常な業務に影響を与えるだけでなく、大規模な停電を引き起こし、重大な損失をもたらす可能性があります。米国エネルギー情報管理局のデータによれば、米国では年間平均500件以上の電力網故障が発生し、数百万の利用者に影響を与えています。中国では、電力網故障による年間平均電力損失は百億人民元を超えています。このように、迅速かつ正確に電力網故障の種類を検出し診断することは、電力シス...

結合されたニューラルネットワークにおける断続的ランダム摂動下での高速同期制御および暗号化・復号化の応用 一、背景および研究動機 近年、ニューラルネットワークはデータ分類、画像認識、組合せ最適化問題など様々な分野で広く応用されています。ニューラルネットワークの構造と性能に関して、決定論的ニューラルネットワークとランダム性ニューラルネットワークに分けることができます。多くの研究は、ノイズ摂動を加えたランダムニューラルネットワークが決定論的ニューラルネットワークよりも優れた動的特性を示すことを明らかにしています。これは、ランダム摂動を持つネットワークを構築することにより、実際のニューラルネットワークのモデルをよりリアルに模擬することができるためです。しかし、現在の多くのニューラルネットワークの研究...

制約システムの非ゼロ和ゲームにおける適応サンプリング人工・実際制御の応用 背景 現代の工業および研究分野におけるスマート技術と制御システムの急速な発展により、従来の制御方法がシステムの安定性を保証し、エネルギー消費を最小化するという厳しい要求を満たすことが困難になっています。実際のシステムは通常非常に複雑で、少なくとも2つの制御ユニットを含んでおり、コンポーネント間には複雑な競争と協力の関係があります。このような状況では、設計された制御スキームは単一のコントローラーの利益最大化だけでなく、全体の最適化も実現する必要があります。このような問題は通常、非ゼロ和ゲーム（Non-Zero-Sum Games，NZSG）とみなされ、多物理入力の制約条件下でシステムのカップリングダイナミクスを処理するこ...

DeepDTI：ディープラーニングを用いた高忠実度六方向拡散テンソルイメージングの実現 研究背景と動機 拡散テンソル磁気共鳴イメージング（Diffusion Tensor Imaging, DTI）は、生体内の脳組織の微細構造と構造的接続性をマッピングする上で比類のない優位性を持っています。しかし、従来のDTI技術は角度サンプリングの要求によりスキャン時間が長くなり、通常の臨床実践や大規模研究での応用に制約があります。このボトルネックを克服するために、研究者たちはDeepDTIという新しいDTI処理フレームワークを開発しました。これはデータ駆動の監督ディープラーニングにより、DTIのデータ要求を最小限に抑えることを目的としています。本研究の目的は、DeepDTIを使用してDTIのサンプリング...

原子間相互作用力の幾何強化事前トレーニング はじめに 分子動力学(MD)シミュレーションは、物理学、化学、生物学、材料科学などの分野で重要な役割を果たし、原子レベルのプロセスの洞察を提供しています。MDシミュレーションの精度と効率は、分子系の原子間相互作用を記述する原子間ポテンシャル関数に依存しています。古典的MDでは経験式を使用し、パラメータを当てはめる必要がありますが、計算コストは低いものの精度が不十分です。一方、第一原理MDでは、シュレーディンガー方程式を解くことで精密な相互作用を得ることができますが、計算量が非常に大きくなります。そこで、機械学習による原子間ポテンシャル(MLIPs)が、第一原理計算から得られるエネルギーと力をフィッティングすることで、ab initio精度に近づきつ...

神経科学研究で重大な突破:深層学習技術を用いて脳波信号から自然言語を復号化する ニューヨーク大学の学際的研究チームが最近、神経科学と人工知能の分野で重大な突破を遂げました。彼らは深層学習に基づく新しいフレームワークを開発し、人間の脳の神経信号から直接自然な人間の声を復号化して合成することができます。この革新的な成果は、失語症や失音症の患者のための新世代の音声脳機械インターフェースの開発につながる可能性があります。 研究の動機 音声障害は患者の社会生活と生活の質に深刻な影響を与えます。過去数十年にわたり、研究者たちは、脳から音声を復号化し合成する神経インプラントを開発することで、これらの患者のコミュニケーション能力を回復させようと努力してきました。しかし、トレーニングに必要な脳と音声データの希...

この研究では、複雑なシステムを正確にシミュレートできる代理モデルを効率的に構築するためのオンライン学習手法が提案されています。この手法には、以下の3つの主要な構成要素があります。 新しい訓練およびテストデータを生成するためのサンプリング戦略 訓練データから候補の代理モデルを生成するための学習戦略 テストデータ上での候補の代理モデルの有効性を評価するための検証指標 この論文では、著者はRadial Basis Function(RBF)補間を代理モデルの応答面として使用しています。このオンライン手法は、代理モデルが応答面のすべてのローカル極値点(端点を含む)を含むことを保証することを目的としており、代理モデルのパフォーマンスが有効性の閾値を下回る場合に再訓練する連続的な検証と更新のメカニズムを...

現在、大規模言語モデル(LLM)は、さまざまな分野で専門家レベルのパフォーマンスを発揮しており、その内的推論プロセスに強い関心が持たれています。LLMがこれらの驚くべき結果を生み出すメカニズムを理解することは、将来の人工知能エージェントの発展と、それらを人間の価値観と一致させることの両方に重要な意味を持ちます。しかしながら、既存のLLMのアーキテクチャでは、その内的プロセスを説明することが非常に難しくなっています。そのため、研究者は心理学研究で一般的に使用される手法を借用して、LLMの推論パターンを探索し始め、「機械心理学」という新しい研究分野が生まれました。 本論文の著者 本論文の執筆者は以下の機関に所属しています。 - Guilherme F.C.F. Almeida, Insper教育...

導入: 現在、事前学習済み言語モデル(PLM)は自然言語処理分野で広く応用されていますが、学習用データ中の社会的偏りを継承し、増幅する問題があります。社会的偏りがあると、PLMの実際の応用において予期せぬリスクが生じる可能性があります。例えば、自動求職選考システムでは性別による偏りのために、論理力が必要な仕事(医者、プログラマーなど)は男性に割り当てられ、介護力が必要な仕事(看護師、ベビーシッターなど)は女性に割り当てられる可能性があります。医療システムでは人種による偏りがある可能性があり、同じリスク水準でも黒人患者の方が白人患者より「虚弱」と評価される可能性があります。そのため、PLMに組み込まれた社会的偏りを除去することは、意義があり、チャレンジングな研究分野となっています。 論文の出所...