コンピュータ支援工学や物理シミュレーションの高度化に期待

<plone.namedfile.file.NamedBlobImage object at 0x7fed085e8510 oid 0x43abf7 in <Connection at 7fee2c093eb0>>

2023-04-27

engineering

{'items': [{'key': 'ardka', 'term': '深層学習（人工ニューラルネットワーク）', 'description': {'blocks': [{'key': 'e4n9v', 'text': 'データから対象が持つ入出力関係を学習し、それを模倣する機械学習アルゴリズムであり、人工知能を実現する手段の一つです。単純な計算の膨大な組み合わせでできており、十分なデータさえあれば理論上あらゆる現象を模倣できますが、実際にはデータ量の限界があるため、学習に際してさまざまな工夫が必要になります。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '8u05b', 'term': '保存則 ', 'description': {'blocks': [{'key': 'fluqs', 'text': '物理現象は対象の状態（位置・速度・物質の量など）が時間的に変化していきますが、その時に変化しない要素があります。このようにある要素が変化しない性質を保存則と言います。例えば、エネルギー、運動量、物質の総質量などでそれぞれ、エネルギー保存則、運動量保存則、質量保存則と呼ばれます。その他にも、ロボットの手の位置が腕の長さに制約されるようなホロノミック制約、電気回路の接点に流れる電流や閉路にかかる電圧の和がゼロとなるキルヒホッフの法則など、さまざまな制約からも保存則は生まれます。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '55c4', 'term': '射影法と離散勾配法 ', 'description': {'blocks': [{'key': 'ev5ga', 'text': '射影法は、計算機シミュレーションの予測結果が誤差によって保存則を破ってしまうときに、強制的に保存則を満たす状態に戻す（射影する）方法です。離散勾配法は、物理の方程式を最初から計算機シミュレーションに適した形に変更しておくことで、保存則を破るような誤差が生じないように未来の状態を予測する方法です。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}]}

['es']

['松原 崇', '谷口隆晴']

人工知能といえば、大量のデータから正体不明の情報処理を作り上げるため、信頼性に欠ける手段だと認識されているように思います。しかし本研究のように、法則やルールをきちんと与えてやれば、柔軟性を保ったまま高信頼化・高精度化を達成できます。今後も計算機シミュレーションに限らず、さまざまな形で人間の望む性質を人工知能に与える研究を続けたいと考えています。

松原 崇

准教授

基礎工学研究科

https://rd.iai.osaka-u.ac.jp/ja/9c35b79f7e174f0e.html?k=%E6%9D%BE%E5%8E%9F%20%E5%B4%87