研究課題/領域番号 |
22H00512
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
研究機関 | 新潟大学 |
研究代表者 |
村松 正吾 新潟大学, 自然科学系, 教授 (30295472)
|
研究分担者 |
安田 浩保 新潟大学, 災害・復興科学研究所, 研究教授 (00399354)
早坂 圭司 新潟大学, 自然科学系, 教授 (40377966)
劉 雪峰 東京女子大学, 現代教養学部, 教授 (50571220)
小野 峻佑 東京工業大学, 情報理工学院, 准教授 (60752269)
永原 正章 広島大学, 先進理工系科学研究科(工), 教授 (90362582)
大竹 雄 東北大学, 工学研究科, 准教授 (90598822)
|
研究期間 (年度) |
2022-04-01 – 2026-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
42,510千円 (直接経費: 32,700千円、間接経費: 9,810千円)
2024年度: 9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)
2023年度: 9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)
2022年度: 15,470千円 (直接経費: 11,900千円、間接経費: 3,570千円)
|
キーワード | 信号処理 / 制御理論 / 接空間学習 / 動的システム / データ駆動モデリング / 次元削減 |
研究開始時の研究の概要 |
計測技術の発展と共に,複雑な物理現象の理解と予測,制御への要求が高まり,データ駆動によるモデル化,特に,畳み込みニューラルネットワーク(CNN)を利用した手法が有力視されている.しかし,CNNは解釈性に乏しく,領域知識をその構造に反映し難い課題がある.本提案では,畳み込み層の局所性を継承し,ユニタリ性の構造制約の下で適応制御可能な線形層を実現する.接空間に直接対応するその構造は高い解釈性を与え,現象の理解を促進し,その予測と制御に高性能化をもたらす.防災に重要な河床や地盤の変動を事例とし,情報学,土木工学,数学,物理学の融合研究体制で課題に取り組み,防災応用での有効性を実証する.
|
研究実績の概要 |
計測技術の発展と共に,複雑な物理現象の理解と予測,制御への要求が高まり,データ駆動によるモデル化,特に,畳み込みニューラルネットワーク(CNN)を利用した手法が有力視されてきた.しかし,CNNは解釈性に乏しく,領域知識をその構造に反映し難い課題がある.そこで本研究では,畳み込み層の局所性を継承し,ユニタリ性の構造制約の下で適応制御可能な線形層,局所構造化ユニタリネットワーク(LSUN)の実現を試みている.接空間に直接対応するその構造は高い解釈性を与え,現象の理解を促進し,その予測と制御に高性能化をもたらすことが期待できる.防災に重要な河床や地盤の変動を事例とし,情報学,土木工学,数学,物理学の融合研究体制で課題に取り組み,防災応用での有効性の実証を目指している.具体的には,動的システムのモデル化に有効な線形構造を探求している.新たにLSUNを導入し,汎用的で解釈性が高いデータ駆動による動的システムのモデリング手法の確立に取り組んでいる.2023年度は主にモード分解LSUN自己符号化器(MD-LSUN-AE)の接空間推定に取り組んだ.以下に成果をまとめる. (i) 開発: LSUNをソフトウェア実装し,データ駆動による動的システムのモデル化を実施した.(ii) 解析:シリンダ周りの流体シミュレーションデータへの適用をとおして,LSUNの性能評価を実施した.(iii) 実証: 河川の河道変動の実験や地盤の変動のシミュレーションと観測から時系列データに対し動的システムモデリング手法の評価とLSUN導入の準備を進めた. なお,提案手法の基礎的な評価には数値計算ソフトウェアMATLABを採用し,ソースコードの公開も進めた.適宜,国内学会,国際会議にて成果発表を行うと同時に,基礎的な研究成果の学術論文誌への投稿準備も進めた.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究では,複雑な動的システムの数値的なモデル構築に解釈性を与え,領域知識との融合をもたらすモデル化手法を確立するため,新たな多様体の埋め込み手法として,畳み込み層に代わる局所構造化ユニタリ層を提案し,その可能性を探求している.2023年度の当初は以下の実施計画を立てていた.(i)開発:MD-LSUN-AE による動的システムの制御を実施,接空間制御パスを構築.(ii) 解析:LSUN からの接空間学習結果を解析,対象動的システムの解析的物理モデルを構築.(iii) 実証:MD-LSUN-AE による河道変動の予測を実施,実験結果との比較評価を実施. 上記のうち,(i)および(iii)を順調に進めることができた.(ii)については数値シミュレーションによる評価にとどまったが,物理法則のネットワーク構造への反映を新たに試みた. ほかに,今後のLSUNの応用展開に深く関わる研究として,河川監視ミリ波レーダ画像からの澪筋推定や河道制御サイバーフィジカルシステム,グラフ構造上の信号に対するフィルタ設計などの研究も進めた.広く研究成果を公表し,関係する分野の人脈の構築と最新情報を収集するために国内学会,国際会議への参加も積極的に進めた.また,2023年度中に投稿したLSUNの基礎的な研究成果に関する論文の2024年度内の公表が決定している. 国内外での学会参加の機会を多く得たことで,大学院生を中心に人材育成も行い2年目として順調にプロジェクトを進めることができた.一方,提案するLSUNのPython深層学習フレームワークPyTorchでの実装やFPGA実装については当初計画より遅れている.これら実装については2024年度以降も継続して進める.
|
今後の研究の推進方策 |
2024年度は,提案するモード分解LSUN自己符号化器(MD-LSUN-AE)とデータ同化による予測応用を中心に,これまでと同様,開発,解析,実証の3グループの体制で以下のテーマに取り組む. (i) 開発: MD-LSUN-AE によるモデル予測とデータ同化による予測性能の改善を実施.(ii) 解析: 河川及び地盤に関する解析的物理モデルの検討と大規模シミュレーションの実施.(iii) 実証: MD-LSUN-AE による液状化の予測を実施,実験結果との比較評価を実施. 引き続き局所性やシフト変性,ユニタリ性などLSUNが有する性質について物理学情報(Physics-Informed)手法にも着目し各種応用での評価を進める.また,LSUN の理論的な意味を明確にするために,微分幾何学との関係性を探求する.加えて,LSUNのMATLAB/PyTorchおよびFPGAについても拡張実装を進める.さらに,学習設計の加速を試みる.設計パラメータが直交行列であることから,Landing 法などの高速な多様体学習手法の導入を試みる.設計パラメータの正則化や非局所化などの課題にも取り組む.LSUNの複素化や多重解像度表現を実現するためのLSUNの階層化にも取り組む.今後のLSUNの応用展開を見据え,深層ループ展開や自己教師あり学習の洗練化にも取り組む.応用展開における試みとして,MD-LSUN-AEによる河川や地盤の状態推定や変動予測の高性能化,効率化に取り組む.河川模型を利用した予測や制御の実験も行う.実験のためのセンシング・ネットワーク・アクチュエーション環境を整え,予測や制御実験のための可視化アプリや制御ソフトを開発する. 広く研究成果を公表し,関係する分野の人脈の構築と最新情報を収集するために国内学会,国際会議へ積極的に参加するとともに,研究成果の学術論文投稿および掲載を目指す.
|