高速AI技術としての物理リザバーコンピューティングの導入と環境ダイナミクスへの応用事例紹介

セミナー趣旨

  本講座では、近年注目されている物理リザバーコンピューティングの実現手法のひとつとしての「環境計算（Computation Harvesting）」について解説します。本手法は、リザバーコンピューティングの枠組みを応用し、センサや物理系を活用して情報処理を行うものであり、深層学習のような複雑なコーディングを必要とせず、手軽に導入・実践できる点が大きな特長です。一方で、理論的な基盤がまだ発展途上にあるという課題も存在します。講座では、こうした背景を踏まえつつ、実際の事例を交えながら、仕組み・適用方法・活用上の留意点について分かりやすく紹介し、今後の応用可能性や現場導入のヒントを得ることを目的とします。

受講対象・レベル

本テーマに興味のある方なら、どなたでも受講可能です。

必要な予備知識

この分野に興味のある方なら、特に予備知識は必要ありません。高校卒業程度の数学の知識があると良いです。

習得できる知識

・ニューラルネットワークの基礎知識
・リザバーコンピューティングの基礎知識
・数理モデルの事例
など

セミナープログラム

１．人工知能の数理と力学的背景
　1.1　ニューラルネットの基礎
　　・形式ニューロン
　　・パーセプトロン （フィードフォワード型）
　1.2　リカレントネットと力学系
　　・ニューラルネットワークのエネルギー関数
　　・組合せ最適化問題への応用
　　・力学系的解釈（安定性／カオス）
２．深層学習とリザバーコンピューティングの比較
　2.1　深層学習の基本技術
　　・多層ニューラルネットの学習と特徴
　2.2　リザバーコンピューティングとは
　　・時系列処理としての特徴
　　・“半教師”学習と時空間変換器モデル
３．物理リザバーコンピューティング：原理から応用まで
　3.1　リザバーコンピューティングの基本原理
　　・エコーステートネットワーク（ESN）による説明
　3.2　物理リザバーコンピューティングとは
　　・物理システムによるリザバー：光・流体など
　　・ノイズ・非線形性・記憶性を「利用する」計算パラダイム
　3.3　環境物理リザバーコンピューティング
　　・環境のもつ自然なダイナミクスを計算資源として利用
　　・環境センシング×AIの融合モデル
４．環境ダイナミクスへの応用事例
　4.1　渋滞発生予測
　　・車両検知器や信号パターンからの読み出し
　　・都市スケールでのセンシングと実時間予測
　4.2　風向・風速推定
　　・簡易なセンサデバイスとの組み合わせ
　　・空間・時間パターンの推定に物理リザバーを適用
　4.3　敗血症予測
　　・生体信号（心拍・体温など）を高速・低消費電力で計算
　　・医療デバイスへの応用可能性
５．持続可能社会と低消費AIの展望
　5.1　低消費電力AIとしての可能性
　　・深層学習との電力比較
　　・ハードウェア設計との親和性
　5.2　都市スケールでの予測制御の可能性
　　・リザバーとしての都市ダイナミクス
　　・スマートシティ応用へ
　5.3　今後の展望と研究課題
　　・汎化性能・再現性の評価
　　・環境物理リザバーの成立条件
＜質疑応答＞

＊途中、小休憩を挟みます。

セミナー講師

 東北大学 材料科学高等研究所 教授　 安東 弘泰 氏

■ご略歴
2007年：東京大学大学院 情報理工学系研究科 数理情報学専攻 博士課程修了（博士（情報理工学））
2007年：ERATO合原複雑数理モデルプロジェクト 研究員
2009年：理化学研究所 基礎科学特別研究員・脳科学総合研究センター 研究員
2014年：筑波大学 システム情報系 社会工学域 助教・准教授
2021年：東北大学 材料科学高等研究所 教授（現職）
など

セミナー受講料

【オンライン受講（見逃し視聴なし）】：1名 40,700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29,700円

【オンライン受講（見逃し視聴あり）】：1名 46,200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35,200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
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください