Construction of the engineering framework of phasor quaternion neural networks in adaptive electromagnetic-wave information processing

2022 Fiscal Year Final Research Report

• Project/Area Number: 18H04105
• Research Category: Grant-in-Aid for Scientific Research (A)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Medium-sized Section 61:Human informatics and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: Akira Hirose 東京大学, 大学院工学系研究科(工学部), 教授 (70199115)
• Co-Investigator(Kenkyū-buntansha): 夏秋 嶺 東京大学, 大学院工学系研究科(工学部), 准教授 (60748888)
• Project Period (FY): 2018-04-01 – 2023-03-31
• Keywords: ニューラルネットワーク / リモートセンシング / エッジコンピューティング / 波動情報処理

Outline of Final Research Achievements

First, we succeeded in constructing a QNN system that adaptively and accurately classifies ground vegetation in PolSAR. We also developed the theory of PQNN by integrating phase information, and realized neural networks that reliably process PolInSAR data and ground penetrating radar data. Then, we constructed a QNN system that enables channel prediction of mobile communications with practically effective accuracy by introducing polarization information, and demonstrated its usefulness clearly. At the same time, we proceeded with the construction and engineering systematization of the QNN framework that handles electromagnetic and optical polarization information. Based on these experimental results, we made progress in summarizing and systematizing the theoretical framework of QNN and PQNN.

Free Research Field

電子情報工学

Academic Significance and Societal Importance of the Research Achievements

2010年代前半、ディープラーニングを中心に人工知能(AI)が社会に急速に普及をはじめた。一方、各種センサの急速な普及はセンサネットワーク社会を生み出し、人間に高い利便性をもたらすとともに、プライバシー確保やエネルギー消費の爆発的増大などの問題も新たに生み出した。そこで、このようなネットワークの末端でのセンサ情報のAI処理、すなわちエッジコンピューティングの、高機能化・省エネルギー化が希求されるようになった。センシングで広く利用されるレーダ・イメージングでは、その偏波と位相を有効かつ整合的に扱うニューラルネットワークの理論が望まれるようになった。本研究は、この要求に正面から応えるものである。