| Project/Area Number |
21H04599
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 25:Social systems engineering, safety engineering, disaster prevention engineering, and related fields
|
|---|
| Research Institution | Tokyo Institute of Technology (2024)
Kyushu University (2021-2023) |
|---|
Principal Investigator |
藤澤 克樹 東京工業大学, 科学技術創成研究院, 教授 (40303854)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鍛冶 静雄 九州大学, マス・フォア・インダストリ研究所, 教授 (00509656)
伊藤 聡 統計数理研究所, 統計基盤数理研究系, 教授 (50232442)
|
|---|
| Project Period (FY) |
2021-04-05 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥41,470,000 (Direct Cost: ¥31,900,000、Indirect Cost: ¥9,570,000)
Fiscal Year 2024: ¥9,490,000 (Direct Cost: ¥7,300,000、Indirect Cost: ¥2,190,000)
Fiscal Year 2023: ¥7,800,000 (Direct Cost: ¥6,000,000、Indirect Cost: ¥1,800,000)
Fiscal Year 2022: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2021: ¥7,540,000 (Direct Cost: ¥5,800,000、Indirect Cost: ¥1,740,000)
|
|---|
| Keywords | 数理最適化 / グラフ解析 / 多様体学習 / サイバーフィジカルシステム / 機械学習 / 高性能計算 / Society5.0 / モビリティ / 深層学習 / Society 5.0 |
|---|
| Outline of Research at the Start |
サイバーフィジカルシステム(CPS)では実社会で起きている現象をカメラやセンサー等で収集して計算機上でモデル化する前半部分と、深層学習や最適化アルゴリズムを活用するアプリケーション開発の後半部分に分かれている。しかし現状では各アプリケーションに合わせて個別にCPS前後半を作り込む必要があり、開発効率の低下と CPS 普及の妨げになっている。本研究ではこれらを解決するため様々な現象や情報の関係を少数の原理から説明可能なユニバーサル多様体学習のアルゴリズムの開発を行い、CPS 前後半の中間層に組み入れることによって実社会の多種多様なデータを抽象化された中間データとして共有化することを目指す。
|
| Outline of Annual Research Achievements |
2022年度の研究実績の概要は以下の通りである。
ステージ１：ユニバーサル多様体学習実現のための基礎研究
日本最大の Web ポータルサイトを運営する Yahoo Japan 社の Webアクセスデータを用いて、グラフ埋め込み手法と距離学習手法などの最新の機械学習の手法を駆使して、新しいレコメンデーションサービスのためアルゴリズムの提案を行った。さらに自らアルゴリズムの実装を行い、Yahoo!ニュースのデータセット等を用いた数値実験において、提案手法の優位性を示すことができた。これらの提案手法の記述と数値実験の評価を行った論文は Second Workshop on Knowledge Graphs and Big Dataにおいて採択されている。
ステージ２：アプリケーション開発
これまで工場などにおける自動倉庫を効率的に運用するため、さまざまな問題に対する研究が行われてきている。本研究では、棚替えという荷物の運搬にかかる時間を削減するために自動倉庫内の荷物の配置を入れ替える問題を取り上げる。提案手法では棚替えを配置決定問題と棚替えスケジューリング問題の 2つの組合せ最適化問題を順に解き、棚替えを実行する。配置決定問題とは荷物の出庫口までの運搬時間を最小化する荷物の配置を決定する問題である。棚替えスケジューリング問題とは配置決定問題で求めた荷物の配置に入れ替えるための移動計画を求める問題である。本研究では配置決定問題を 0-1 整数計画問題として定式化し、棚替えスケジューリング問題に対する近似解法を 4 つ提案した。数値実験では、ロート製薬株式会社(三重県上野市)が保有している自動倉庫を模したシミュレータを用いて評価を行った。その結果、提案手法の有効性を確認することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
上記の研究実績の概要でも記載したようにユニバーサル多様体学習実現のための基礎研究が進んでおり、以下のアプリケーション分野などへの適用が見込めるため。
産業アプリケーション：数理最適化, グラフ解析, 深層学習を用いた新しい産業応用の開拓(多数の民間企業との共同研究)
1: スマート工場構築(ロート製薬)
2: サプライチェイン : MaaS(LPガス), ロボットによる自走配送 (ソフトバンク)
|
| Strategy for Future Research Activity |
全体的に計画通りに進んでいるため、2023年度は当初の予定通りに以下のステージでの研究を推進する。
ステージ２：アプリケーション開発
ステージ３：社会実装の推進とアルゴリズム品質に関する検証
|
