深層学習を用いたシステムのモデル化と計算機シミュレーション

セミナー趣旨

  製造工程の把握や制御など、システムのモデル化とシミュレーションが必要な場面は数多く存在します。また、そこに機械学習を取り入れようという試みも80年代から繰り返されてきました。しかし深層学習技術の発展を受け、近年はシステムが持つ様々な性質――つまり微分方程式であること、サブシステムに分割可能であることなど――をうまく活用して学習できる手法が提案されるようになりました。また、データから方程式を見つける方法、簡単で汎用的なシミュレーション方法など、幅広いアプローチが提案されています。本研修ではシステムのモデル化とシミュレーションを軸に、深層学習ブーム以前の基礎的なトピックから、今春発表された最先端の手法まで紹介します。

受講対象・レベル

・すでに計算機シミュレーションを研究開発に利用されている方
・製造過程で必要な制御をAIで高度化されたい方

必要な予備知識

高校卒業レベルの数学の知識

習得できる知識

・計算機シミュレーションの基礎
・計算機シミュレーションのためのAI
・力学システムや物理現象のモデリング方法
・AIベースのシステム制御
など

セミナープログラム

１．機械学習の基礎
　1）なぜ深層学習が有効なのか？
　2）幾何学的深層学習というパラダイム
２．深層学習によるモデル化
　1）深層学習による力学系のモデル化
　　a）ニューラル常微分方程式 (Neural ODE)
　　b）データ同化と随伴変数法
　　c）Neural ODEと安定性や次元削減
　2）解析力学に学んだ深層学習
　　a）ハミルトニアンニューラルネットワーク (HNN)
　　b）HNNの発展
３．シミュレーションのための深層学習
　1）Physics-informed neural networks (PINNs)
　2）PINNsによる学習
　3）PINNsの拡張と応用
４．高速なシミュレーションのための深層学習
　1）作用素学習
　2）高速性と正確性の両立
５．ニューラルネットワークによる制御と最適化
　1）ニューラルネットワークと最適制御 (AI Pontryagin)
　2）微分可能プログラミング
６．方程式の学習 (SINDy)
＜質疑応答＞

＊途中、お昼休みや小休憩を挟みます。

セミナー講師

 北海道大学 大学院情報科学研究院 教授　 松原 崇 氏

■ご略歴
2011/04 - 2013/03大阪大学 大学院基礎工学研究科 システム創成専攻 博士前期課程
2013/04 - 2015/03大阪大学 大学院基礎工学研究科 システム創成専攻 博士後期課程
2013/04 - 2015/03日本学術振興会 特別研究員 DC1
2013/10 - 2020/03独立行政法人 情報通信研究機構 脳情報通信融合研究センター 特別研究員
2015/03    博士(工学)
2015/04 - 2020/03神戸大学 大学院システム情報学研究科 助教
2020/04 - 2023/03大阪大学 大学院基礎工学研究科 准教授
2024/04 - 現在北海道大学 大学院情報科学研究院 教授
■本テーマ関連学協会でのご活動
2020年度　情報論的学習理論ワークショップ (IBIS2020) 優秀発表賞
2021年度　情報論的学習理論ワークショップ (IBIS2021) 最優秀発表賞
2021年度　総務省 戦略的情報通信研究開発推進事業 (SCOPE) 研究開発奨励賞

セミナー受講料

1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円

＊学校法人割引：学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください