アカデミック フォーラム

4月8日(木)

4月8日(木) 11:00~11:30

次世代脳型人工知能技術「ゆらぎ学習(Yuragi Learning)」

「ゆらぎ学習」はヒト脳の認知メカニズムに倣うことで環境適応や発達機能を有し、わずかなデータによる学習で雑音や変動を含むデータを精確に識別分類する次世代人工知能です。

国立大学法人 大阪大学

大学院情報科学研究科
NECブレインインスパイヤ―ド コンピューティング協働研究所 産学連携教授・副所長

加納 敏行

【ポスター展示 小間番号:6-26】

「ゆらぎ学習」は、ヒト脳の認知メカニズムに倣うことで環境適応や発達機能を有し、わずかなデータによる学習で雑音や変動を含むデータを精確に識別分類する次世代人工知能技術です。学習を行いながら識別分類を実行することができ、加えて、学習データから新規知識を獲得し、または状況変化に応じて知識の再構成を行うことができる人工知能です。GUIベースのフレームワークを提供しているため、高度な専門知識を有しない方も利用しやすく、ノートPCなどでも動作します。(ゆらぎ学習そのものはIoTデバイスやエッジコンピューティングのような組み込みシステム上でも動作可能です)

1981年4月 日本電気株式会社 入社
2006年4月 同・システムプラットフォーム研究所長
2011年7月 同・中央研究所 主席技術主幹
2016年4月 大阪大学
大学院情報科学研究科 産学連携教授
NECブレインインスパイヤ―ドコンピューティング協働研究所 副所長(兼任)
現在、情報科学、工学、生命科学、脳科学を融合した脳型人工知能技術の研究、脳型人工知能技術「ゆらぎ学習(Yuragi Learning)」の研究開発を統括。電子情報通信学会、人工知能学会、電気学会会員。

4月8日(木) 13:00~13:30

テンソル分解を用いた教師無し学習による変数選択法用いたデータサイエンス

深層学習などの機械学習は一般的にラベル付きの大規模データがない場合には無効である。しかし、提案手法はラベル無しの小規模データを解析して重要な変数を選択することに特化した手法である。主な適用分野はバイオインフォマティクスである。数万個の遺伝子に対して数個のサンプルしかない場合でも疾患原因遺伝子やバイオマーカーを推定することに成功している。他に故障原因検知などの応用分野がある。

中央大学

理工学部 教授

田口 善弘

【ポスター展示 小間番号:6-23】

テンソル分解は多くの種類のデータを統合することに長けている。バイインフォマティクスの分野であれば、いわゆるマルチオミックスデータ(遺伝子発現プロファイル、プロモーターメチル化、ヒストン修飾)などの統合解析を容易に行うことができ、重要遺伝子の選択などに成功している。他のマルチチャンネルデータ(音声、画像)の統合解析に応用可能性がある。

1988 東京工業大学大学院理工学研究科物理学専攻博士後期課程修了
1988-1997 東京工業大学理学部物理学科助手
1997-2006 中央大学理工学部物理学科助教授
2006- 同教授、現在に至る。

4月8日(木) 13:45~14:15

CO2吸収液開発を志向したイオン液体電子状態データベースの開発と応用

カチオンとアニオンの組み合わせで構成されるイオン液体は、二酸化炭素を吸収する特性を持つ。数多存在するイオン液体から、より多くの二酸化炭素を吸収するものを見つけるために、本研究では、量子化学・統計熱力学計算に基づく電子状態データベースを構築した。また、作成したデータベースを機械学習に応用し、各イオン液体が持つガス吸収性を予測した。

中央大学

理工学部応用化学科 助教

黒木 菜保子

【ポスター展示 小間番号:6-24】

イオン液体中に、より多くの二酸化炭素を吸収させるには、イオン液体中のイオンパッキング効率を下げ、二酸化炭素を吸収可能な空隙を持たせることが必要である。空隙体積を増やすには、直感的には幾何構造が大きく異なるカチオン・アニオンの組を用いることが有効だと考えられるが、実際には電子状態(分子間相互作用)にも影響を受ける。本研究では、イオン液体をカチオン・アニオンの二成分混合物であると捉え、液体を構成するカチオン・アニオンの物性から各イオン液体が持つガス吸収性を直接予測することを試みた。

2019.03 お茶の水女子大学大学院 人間文化創成科学研究科 理学専攻 博士後期課程修了 博士(理学)
2019.04-2020.03 中央大学 理工学研究所 専任研究員(JST ACT-I「情報と未来」領域研究者として)
2020.04-現在 中央大学 理工学部 応用化学科 助教

4月9日(金)

4月9日(金) 11:00~11:30

化学工学を志向した混合物熱力学物性のマテリアルズ・インフォマティクス

我々は、計算化学で分子物性を精密予測できます。それでも、物質科学の問題を予測は困難です。新材料創成過程では、日々、種々の溶媒・溶質の混合実験、即ち「分子集合体の」新奇物性探索が行われているからです。本背景下、我々は、「分子間相互作用を自在制御した材料機能の創成」を目標に研究を行っています。本講演では、機械学習を活用した「混合物熱力学物性のマテリアルズ・インフォマティクス」の最新結果をご紹介します。

中央大学

理工学部応用化学科 教授

森 寛敏

【ポスター展示 小間番号:6-22】

AIを活用した材料設計では、如何にして未知物性をもつ分子の精密データを構築するかが肝となります。我々が開発した「電子状態インフォマティクス 」のスキームでは、新分子が発現する未知物性を予言可能な量子化学計算をベースとして、実験データのみからではアプローチ困難な新材料分子の設計を行うことができます。我々のアプローチは、所謂、直感的な「構造」をもたない「液体」の機能をも設計可能です。種々の化学工学材料設計に貢献できます。

2005/9 九州大学大学院 総合理工学府 量子プロセス理工学専攻 博士課程終了(短縮)
2005/10 日本学術振興会特別研究員(PD)Iowa State University, Postdoctoral Research Fellow
2008/2 お茶の水女子大学 特任助教・2012/4 同准教授
2019/4 中央大学 理工学部 応用化学科 教授(2020/4 分子科学研究所 理論・計算分子科学領域 客員教授)
 現在、量子化学およびマテリアルズ・インフォマティクスの応用研究に取り組んでいる。

4月9日(金) 13:00~13:30

ゆらぎ学習データ分析プラットフォーム「YGAP」(Yuragi Learning General Puropose Data Analysis Plattoform)」概要の紹介

ゆらぎ学習を識別エンジンとして画像や数値データなど様々なデータの分析や分類を専門の知識を必要とせずに利用できる「YGAP(ゆらぎ学習汎用データ分析プラットフォーム)」の概要を事例、デモンストレーションを含めてやさしく紹介します。またこれらの機能を無償でダウンロードできるサイトの紹介も行います。

国立大学法人 大阪大学

大学院情報科学研究科
NECブレインインスパイヤ―ド コンピューティング協働研究所 産学連携教授・副所長

加納 敏行

【ポスター展示 小間番号:6-26】

「YGAP(ゆらぎ学習汎用データ分析プラットフォーム)」は、ゆらぎ学習(Yuragi Learning)を人工知能として活用するためのフレームワークです。画像や数値データなど幅広いデータに対応し、GUIベースで専門の知識を必要とせずに簡単にデータ分析を行うことのできるフレームワークです。また、このフレームワークはAIに求められる「可制御性:プログラムおよび制御可能」「可観測(監視)性:動作の監視・観測が可能」「可説明性:処理結果の説明が可能」機能を具備しています。リアルタイムの処理結果表示に加え、GUI機能により識別分類結果に基づいたチューニング、再分類等を簡単に行うことができます。さらに次元削減や各種表示機能を具備しており深層学習や機械学習の前処理ツールとしても利用可能です。

1981年4月 日本電気株式会社 入社
2006年4月 同・システムプラットフォーム研究所長
2011年7月 同・中央研究所主席技術主幹
2016年4月 大阪大学
大学院情報科学研究科 産学連携教授
NECブレインインスパイヤ―ドコンピューティング協働研究所 副所長(兼任)
現在、情報科学、工学、生命科学、脳科学を融合した脳型人工知能技術の研究、脳型人工知能技術「ゆらぎ学習(Yuragi Learning)」の研究開発を担当。電子情報通信学会、人工知能学会、電気学会会員。