Card image cap

九州大学 マス・フォア・インダストリ研究所 河原研究室 (及び、理化学研究所 革新知能統合研究センター 構造的学習チーム) では、主に以下のテーマに関連した研究について取り組んでいます。

  1. 統計的機械学習の理論と方法（新しい問題の発見と数理モデル化、アルゴリズムの開発、理論的解析）
    2. ダイナミクスと機械学習，物理インフォームド機械学習，強化学習，構造的学習と最適化，異常検知・変化点検知，因果推論など
  2. 自然科学へのデータ駆動によるアプローチ（科学分野研究者との連携による開発した方法の適用的研究）
    3. 生体 (脳, 運動など) や生物集団，流体，気象などに関連した複雑現象の理解や予測，非線形科学からの解釈など
  3. 産業応用への展開（産業界との連携による開発技術の社会還元）

個々の研究内容の詳細については [Publication] ページをご参考ください。

機械学習をご存知ない方は、理数教育研究所 広報誌Rimse 内の記事 に簡単な解説を書いたものがありますので、よろしければご参考ください。



主要な研究の概要については、九州大学 マス・フォア・インダストリ研究所 の 研究・技術カタログ内の記事 をご参考ください。

1. 統計的機械学習の理論と方法 に関連して、主要な成果がまとまった資料として、理化学研究所 革新知能統合研究センターの報告会におけるポスターをご参考ください。

  • (2021年度)

    (2019年度)

    * 2018年度のポスター

    * 2017年度のポスター

2. 自然科学へのデータ駆動によるアプローチに関連して、考えをまとめた解説がありますのでご参考ください。
*この記事のドラフト



また、2. 自然科学へのデータ駆動によるアプローチ に関連した最近の成果としては、例えば、下記のものがあります。

K.Fujii et al., "Physicall-interpretable classification of network dynamics in complex collective motions," Scientific Reports (2020)

スポーツなどの集団運動におけるエージェント間の相互作用を、モード分解し解析する方法を提案しています。

Y. Shiraishi et al., "Neural decoding of ECoG signals using dynamic mode decomposition," Journal of Neural Engineering (2020)

ブレイン・コンピュータ・インターフェース(BCI)における動的モード分解を用いた新たな手法を提案しています。

3. 産業応用への展開に関連した研究としては、例えば下記のものがあります。

鉄鋼プロセスにおける異常検知：JFEスチールとの共同研究において、鉄鋼プロセスにおける機器の故障の前兆をセンサデータから検知する方法を開発しました。

詳細については、次の論文や特許情報を参照ください。
  • 特許第4992046号 （論文 ）
  • 特許第549990号 （論文 ）

* その他の情報については、ここに逐次アップデートしていきたいと思っています。