バイオインスパイヤー人工触角法に基づく臨床胃腸疾患スクリーニング 研究背景 胃腸疾患は、下痢、胃腸道出血、吸収不良、栄養不良、さらには神経機能障害など、世界中で広範で複雑な症状を示しています。これらの疾患はその顕著な地域、年齢、および性別の差異のため、現代社会にとって重大な健康課題および社会経済的負担を構成しており、特に胃腸道がんは、世界のがん発病率および死亡率の3分の1を占めています。早期に胃腸疾患をスクリーニングし、タイムリーな介入を行うことは、死亡率を減少させ寿命を延ばす上で重要な意義を持ちます。 従来の胃腸疾患スクリーニング方法は主に内視鏡検査に依存しており、カメラを搭載した柔軟な内視鏡を使用して天然開口部から胃腸道を検査しています。しかし、内視鏡検査は病院で広く使用されているものの...

自己注意メカニズムに基づいたリスク感受性ロボット制御の探討 研究背景 ロボット制御における運動学と動力学は、任務を正確に遂行するための重要な要素です。ほとんどのロボット制御スキームは、多様なモデルに依存して任務の最適化、スケジューリング、および優先順位制御を実現しています。しかし、伝統的なモデルの動的特性の計算は通常複雑であり、誤差が発生しやすいという問題があります。この問題を解決するために、機械学習や強化学習技術を使用してモデルを自動取得することが可能な代替案として現れました。しかし、実際のロボットシステムに直接適用する際には、急激な運動変化や望ましくない行動出力のリスクが存在します。 研究の出所 本論文はソウル国立大学およびローザンヌ連邦工科大学からのDongwook Kim、Sudon...

研究背景 救援任務において、捜索救助の効率を向上させる新しい解決策として、電子バックパックと昆虫を組み合わせたサイボーグ昆虫（cyborg insects）の利用が注目されています。これらの昆虫は、生物と電子技術の長所を結合し、通信、感知、制御のための追加電子バックパックが装着されています。しかし、追加装置は昆虫のバランスに影響を与え、特に自らを直立させる（self-righting）動作に影響します。昆虫が任務中に落下や事故に遭遇した場合、元の機械装置が原因で転倒し自由に動けなくなる可能性があります。この課題に対処するため、本研究では、ナナホシテントウの自らを直立させる動作を模倣したバイオニック3Dプリント人工肢を導入し、サイボーグ昆虫の複雑かつ予測不可能な条件下での柔軟性を向上させること...

生成型セルオートマトンを用いた金のキラル形態発生の研究 背景と研究目的 キラリティー（chirality）は自然界に遍在し、特定の分子相互作用や多スケール結合を通じてシステム間で伝播および増幅されることがある。しかし、キラリティー形成のメカニズムや成長過程の主要ステップはまだ完全には理解されていません。本研究では、実験結果に基づく生成型セルオートマトン（cellular automata, CA）人工ニューラルネットワークをトレーニングし、非キラルからキラル形態への金ナノ粒子の識別可能な二つの経路を特定しました。キラリティーは初期段階ではエナンチオマー高指数平面境界での非対称成長の性質によって決定されます。深層学習に基づくキラル形態生成の説明は、理論的理解を提供するだけでなく、未知の交差経路...

机器学習と組合せ化学を利用してmRNA送達のための可イオン化脂質の発見を加速する 研究背景 メッセンジャーRNA（mRNA）治療の潜在能力を最大限に引き出すためには、脂質ナノ粒子（LNPs）のツールキットを拡張することが重要です。しかし、LNPs開発の主要なボトルネックは、新しい可イオン化脂質を識別することである。既存の研究では、LNPsが特定の組織または細胞にmRNAを送達するのに顕著な効果を示していることが明らかにされています。クラシックなLNPsの処方は通常、イオン化脂質、コレステロール、補助脂質、及びポリエチレングリコール化脂質（PEG脂質）から構成されており、特にイオン化脂質はmRNAの積載及びエンドソームからの逃避において重要な役割を果たしている。 近年、LNPsは臨床応用の分野...

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...