無人水上ビークル（USV）のモデル予測制御の新手法：確率的ニューラルネットワークに基づくMBRLフレームワーク 学術的背景 無人水上ビークル（Unmanned Surface Vehicles, USV）は、近年海洋科学分野で急速に発展し、海洋輸送、環境モニタリング、災害救援などのシナリオで広く活用されています。しかし、USVの制御システムは依然として多くの課題を抱えており、特に複雑な海洋環境での外部干渉への対応能力が問題とされています。従来のモデルフリー強化学習（Model-Free Reinforcement Learning, MFRL）手法は特定のタスクでは良好なパフォーマンスを示すものの、大量のデータとシミュレーショントレーニングに依存しており、不確実な環境に対するロバスト性に欠け...

学術的背景と研究動機 歯科医療保健分野において、コーンビームコンピュータ断層撮影（CBCT, Cone Beam Computed Tomography）は広く利用されている三次元画像技術です。CBCTは口腔の三次元画像を提供し、特に歯原性病変の診断において優れた能力を発揮します。しかし、CBCT画像のセグメンテーション（segmentation）——つまり、画像内の各ボクセル（voxel）に対して病変、骨、歯、修復材料をラベル付けすること——は重要かつ複雑なタスクです。現在、臨床現場では主に手動セグメンテーションに依存しており、これには時間がかかる上、専門知識も必要とされます。セグメンテーションの自動化を実現し、大量の手動ラベル付けデータへの依存を減らすために、研究者たちは口腔解剖学的知識...

学術背景 有機化合物による環境汚染の脅威が深刻化する中、異なる水生生物が有機化合物に対して示す毒性反応を研究することが極めて重要となっています。これらの研究は、汚染物質が水生生態系全体に及ぼす潜在的な生態学的影響を評価するだけでなく、環境保護に重要な科学的根拠を提供します。従来の実験方法は一定のデータを提供できますが、コストが高く、時間がかかる上に、大規模な化学物質の毒性評価には対応しにくいという課題があります。深層学習技術の急速な発展により、水生毒性の予測においてより高い精度、高速なデータ処理能力、そして優れた汎化能力が示されています。しかし、既存の手法は高次元の特徴データを扱う際に限界があり、特に分子の複雑な構造や相互作用を捉える点で課題を抱えています。したがって、複数の水生生物の毒性を...

新型抵抗変化メモリ駆動のゼロショット多モーダルイベント学習システム：ハードウェア-ソフトウェア協調設計の研究報告 学術的背景 人間の脳は複雑なスパイキングニューラルネットワーク（Spiking Neural Network, SNN）であり、極めて低い消費電力で多モーダル信号においてゼロショット学習（Zero-shot Learning）を行う能力を持っています。これは既存の知識を一般化して新しいタスクに対処する能力です。しかし、この能力をニューロモルフィックハードウェアに複製するには、ハードウェアとソフトウェアの両面で課題があります。ハードウェア面では、ムーアの法則の減速とフォン・ノイマンボトルネック（von Neumann bottleneck）が従来のデジタルコンピュータの効率を制限し...

混合専門家と3Dアナログインメモリコンピューティングを用いた大規模言語モデルの効率的なスケーリング 学術的背景 近年、大規模言語モデル（Large Language Models, LLMs）は自然言語処理やテキスト生成などの分野で強力な能力を発揮しています。しかし、モデルの規模が拡大するにつれ、訓練や推論のコストも急激に上昇し、特にメモリ使用量、計算遅延、エネルギー消費の面で大きな課題となっています。これがLLMsの広範な応用を妨げる主要なボトルネックの一つとなっています。従来のノイマンアーキテクチャでは、大規模なパラメータを処理する際にデータがメモリと計算ユニットの間で頻繁に移動するため、「ノイマンボトルネック」が生じ、これらの課題がさらに深刻化しています。 この問題を解決するために、研...

多モーダル学習による遺伝子型と表現型の動的関係の解明 背景紹介 遺伝子型と表現型の複雑な関係は、生物学分野の核心的な問題の一つである。遺伝子型（genotype）は生物体の遺伝情報を指し、表現型（phenotype）はこれらの遺伝情報が特定の環境下でどのように表れるかを指す。1909年にWilhelm Johannsenがこれら二つの用語を提唱し、その関係を定量化しようと試みたが、一世紀以上経った現在でも、遺伝子型がどのように複雑な遺伝子発現パターンを通じて表現型を形作るかを正確に記述することはできていない。近年、単一細胞RNAシーケンシング（single-cell RNA sequencing, scRNA-seq）などの技術の発展により、細胞解像度で遺伝子発現の複雑なダイナミクスを観察す...

免疫チェックポイント阻害剤の毒性予測と監視：DysPred深層学習フレームワークの画期的な応用 学術的背景 免疫チェックポイント阻害剤（Immune Checkpoint Inhibitors, ICIs）は、近年のがん免疫療法分野における一大ブレークスルーであり、免疫チェックポイントシグナル経路を阻害することで、体の抗腫瘍免疫反応を強化します。しかし、ICIsは治療の過程で広範な免疫関連有害事象（immune-related adverse events, irAEs）を引き起こす可能性があり、これらの有害事象は患者の生活の質に影響を与えるだけでなく、臓器機能の損傷や死亡につながることもあります。irAEsが臨床環境、腫瘍タイプ、組織特異性、および患者の人口統計学的特性において高度に異質で...

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...

形状最適化と形状変形問題のためのプログラマブル環境「Morpho」の開発と応用 学術的背景 ソフトマテリアル（soft materials）は、特にソフトロボティクス、構造流体、バイオマテリアル、粒子媒体などの科学および工学分野において重要な役割を果たしています。これらの材料は、機械的、電磁的、または化学的な刺激を受けると劇的に形状を変化させます。これらの形状変化を理解し予測することは、設計の最適化とその背後にある物理的メカニズムの理解において重要です。しかし、形状最適化問題は通常非常に複雑であり、既存のシミュレーションツールは機能が限られているか、汎用性に欠けるため、研究者はこれらの問題に取り組む際に多くの課題に直面しています。 この課題を解決するために、研究者は形状最適化問題のための汎用...

動的視覚刺激生成のための時空間スタイル転送アルゴリズムに関する研究報告 学術的背景 視覚情報の符号化と処理は、神経科学および視覚科学分野における重要な研究テーマです。ディープラーニング技術の急速な発展に伴い、人工視覚システムと生物学的視覚システムの類似性を研究することが注目を集めています。しかし、特定の仮説を検証するための適切な動的視覚刺激を生成する方法は、依然として不足しています。既存の静的画像生成手法は大きな進展を遂げていますが、動的視覚刺激の処理においては、柔軟性の不足や生成結果が自然な視覚環境の統計的特性から乖離するなどの問題が残されています。そこで、研究者たちは「時空間スタイル転送（Spatiotemporal Style Transfer, STST）」というアルゴリズムを開発し...