……Zoomオンライン受講
……見逃し視聴選択可
○注目集める物理リザバーコンピューティングについて、環境計算を中心に解説。
○仕組みなどの基礎から、適用方法や活用上の留意点を実際の事例を交えながらお話します!
○応用可能性や現場導入のヒントを得たい方、ぜひご参加ください。
講師
東北大学 材料科学高等研究所 教授 安東 弘泰 氏
講師紹介
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)
<その他関連セミナー>
機械学習・AI 一覧はこちら
日時・受講料・お申込みフォーム
●日時:2025年6月10日(火) 13:00-16:00 *途中、小休憩を挟みます。
●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。→「セミナー申込要領・手順」を確認ください。
●録音・録画行為は固くお断りいたします。
お申込みはこちらから
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前~前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
(土、日、祝日は営業日としてカウントしません。)
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。(全ての質問にお答えできない可能性もございます。何卒ご了承ください。)
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止いたします。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********(*********にはjohokiko.co.jpを入れてください)
オンラインセミナーご受講に関する各種案内(必ずご確認の上、お申込みください。)
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********(*********にはjohokiko.co.jpを入れてください)
→Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
(iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります)
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。(テスト視聴動画へ)パスワード「123456」
<見逃し視聴ご案内の流れ・配信期間詳細>
セミナーポイント
■はじめに:
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。
■受講対象者:
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。
■本セミナーで習得できること:
・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
セミナー内容
※2025年4月17日:プログラム詳細を追記いたしました。大枠の変更はございませんが、セミナー当日までに細部項目をアップデートする可能性がございます。
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>
お申込みはこちらから