| 研究課題/領域番号 |
22K19767
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 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 | 筑波大学 |
|---|
研究代表者 |
今倉 暁 筑波大学, システム情報系, 准教授 (60610045)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2024年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2023年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 複素モーメント技術 / AI技術 |
|---|
| 研究開始時の研究の概要 |
本研究課題では、近年注目される日本発の高性能数値解析技術である“複素モーメント技術”をコアに据え、特徴量選択やスパースモデリングなど各種AI技術を融合することで、先端数理技術を前提とした各種AI技術を開発する。また、より挑戦性の高い課題として、行列スペクトル解析ではなく、作用素スペクトル解析に基づくAI技術の開発についても試みる。本研究課題では、独自性の強い高性能AI技術を世界に先駆けて開発するとともに、今後のAI技術の発展に対する新しい研究開発指針を示す挑戦的研究としての意義を持つ。
|
| 研究実績の概要 |
近年活発に開発が進められているAI技術をより高度なAIシステムとして社会実装を推進するためには、ビッグデータの主要な表層情報だけでなく、表層情報やノイズに埋もれた深層情報を適切に抽出し、新たな価値として利活用することが求められる。本研究課題の目的は、近年注目される日本発の高性能数値解析技術である“複素モーメント技術”をコアに据え、特徴量選択やスパースモデリングなど各種AI技術を融合することで、先端数理技術を前提とした各種AI技術を開発することである。
本研究課題の達成目標である『高性能複素モーメント技術をコアとする先端数理技術を前提とした高品質・高信頼AI技術の開発』の実現に向けて、具体的な研究項目として、（Task1）複素モーメント技術を基盤とした各種AI技術の開発、（Task2）各種AI技術を用いた複素モーメント技術およびその他数値解析法の高度化、（Task3）複素モーメント型AI技術の応用技術の開発、に取り組んでいる。
特に、2023年度は、2022年度に引き続き（Task1）複素モーメント技術を基盤とした各種AI技術の開発、（Task2）各種AI技術を用いた複素モーメント技術およびその他数値解析法の高度化を実施するとともに、（Task3）複素モーメント型AI技術の応用技術の開発、に焦点を当てて開発に取り組んだ。具体的には、2022年度に当初予定していなかった応用先として、プライバシー保護機械学習技術への応用の可能性が浮上し、2023年度には複素モーメント技術やその周辺の高性能行列計算技術を利用した具体的なプライバシー保護機械学習技術の開発および高度化を進めた。
|
| 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
2022年度に当初予定していなかった応用先として、プライバシー保護機械学習技術への応用の可能性が浮上し、2023年度には複素モーメント技術やその周辺の高性能行列計算技術を利用した具体的なプライバシー保護機械学習技術の開発を進めた。
|
| 今後の研究の推進方策 |
2024年度は、2023年度に引き続き（Task3）複素モーメント型AI技術の応用技術の開発に焦点を当てて開発に取り組む。具体的には、複数機関が分散保持するデータを安全に統合開発するプライバシー保護機械学習技術であるデータコラボレーション技術の高度化を進める。
また、複素モーメント技術や関連する高性能行列計算技術を基盤とした様々な応用の可能性について調査し、今後の展開の足がかりとする。
|
