【研究領域課題番号】21K18310 (KAKENデータベースで見る）

【研究キーワード】

薬物脳内輸送 / DDS / 情報技術 / シミュレーション / 機械学習

【研究種目】挑戦的研究(開拓)

【研究期間】2021-07-09 - 2025-03-31

【配分額】25,740千円 (直接経費: 19,800千円、間接経費: 5,940千円)

【研究領域課題番号】20H00292 (KAKENデータベースで見る）

【研究キーワード】

強震動 / 地震ハザード / 機械学習 / 地震動予測式 / 観測記録 / シミュレーション / ビッグデータ

【研究成果の概要】

(1)強震観測記録の地震動強さ指標，震源情報，サイト情報をデータベース化した「強震動データベース」の回帰分析による地震動予測式(GMM)構築のため，次のような検討を行った．まず，強震動データベースによる観測値と既往のGMMの予測値の差を取った「残差データ」を作成し，地震規模や震源距離などとの関係を検討することにより，地震動予測結果のばらつきを低減するための補正項を導出した．また，強震動データベースに基づく地震動予測ニューラルネットワークについて，観測点特性を学習するモデルおよび伝播経路を特定したモデルの構築を行った．
(2)予測地点を特定したGMMによる"点の予測"から"面の予測"に展開することを目的として，Deep inpainting と空間分布マッピングの組み合わせによる地震動データの空間補間方法の手法開発を行った．
(3)地震動の地盤増幅特性に関する人工知能構築に必要となるシミュレーションデータを生成するための，非構造有限要素による地盤増幅シミュレーション手法の開発を行った．具体的には，人工知能構築時にキーパラメータとなる地盤パラメーラを入力とした液状化を対象としたGPUによる高速な地盤増幅解析手法を開発し，人工知能構築に必要となるシミュレーションデータを大量生成可能な手法を構築した．また，波動方程式のシミュレーションデータを用いた人工知能の性能を高めるために，生成データの性質について議論を行った．

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2023-03-31

【配分額】42,640千円 (直接経費: 32,800千円、間接経費: 9,840千円)

【研究領域課題番号】20K01751 (KAKENデータベースで見る）

【研究キーワード】

コーポレートガバナンス / ネットワーク分析 / 資産価格評価 / データサイエンス / イノベーション / 知的財産 / 機械学習 / 人工知能 / シミュレーション

【研究成果の概要】

本研究では，近年飛躍的な進展を遂げている情報技術を通じ資産価格評価のための分析基盤・分析の枠組みを確立し，その利点・課題を明らかにすることを試みる．
本年度においては，企業のコーポレートガバナンスに関する分析のため，国内上場企業を中心に企業属性データベースの拡張を行った．企業属性としては，企業の財務指標に加え，企業の役員構成に関するデータ，知的財産に関するデータ，企業の買収案件に関するデータおよび企業活動に関するデータなどを対象とした．複数のデータソースのデータを一つに取りまとめるため名寄せ等データベースの精緻化に取り組んだ。また，分析に必要となる資産価格データの収集整理も実施した．更に，現実の資産価格評価に関する活動の調査のために，金融市場参加者へのヒアリング調査もあわせて実施した．
分析においては，機械学習手法を通じ企業役員構成等のデータ分析に取り組み，企業の利益率に焦点を当て，研究を行った．分析の結果，(1) 企業の役員構成を対象としたネットワーク分析により国内企業は複数のグループに分けられること，(2) 各グループに属する企業の利益率に違いがみられることなど，興味深い結果を見出している．また，本年度は，企業の買収における企業属性と企業のイノベーション活動との関連性などについても基礎的な分析を実施している．
これらの研究成果の一部は，Empirical Economics, SN Business & Economics, 証券アナリストジャーナル，計測自動制御学会論文集, Smart Innovation, Systems and Technologies, Springer, 情報処理学会 第84回全国大会，計測自動制御学会 システム・情報部門学術講演会，人工知能学会 経営課題にAIを! ビジネス・インフォマティクス研究会などにおいて報告を行っている．

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2024-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究領域課題番号】20H02267 (KAKENデータベースで見る）

【研究キーワード】

交通工学 / 機械学習 / 交通流理論 / 交通ネットワーク分析 / 統計的推定 / 強化学習 / スパースモデリング / 出発時刻選択問題 / 統計的機械学習 / シミュレーション

【研究成果の概要】

本研究はテーマA，B，Cに分かれて遂行する計画となっている．今年度はそれぞれのテーマで以下の研究に取り組んだ．テーマA：動的ネットワーク交通流の性質の交通工学理論に基づく数学的解析，テーマB：統計的機械学習に基づく交通状態・需要情報の推定・将来予測手法，テーマC：理想的な状況を仮定した強化学習による交通システム制御手法などを開発した．各テーマの具体的な成果を以下に述べる．Aでは，例えば道路利用者の属性に異質性がある場合の単純な道路ネットワーク上の出発時刻選択問題を解析することで，その動的利用者均衡配分と動的システム最適配分を導出し，それらの類似点と相違点を明らかにするとともに，実際の制御についての理論的な示唆を得た．テーマBでは，例えばスパースモデリングに基づく県間旅行行動の長期分析を行い，COVID-19のような大規模事象に応じてどのように需要が変化するかを明らかにした．また，GPSデータにもとづく都市規模の観光流動分析手法や，高速道路上の交通状態推定手法を開発した．さらに，交通サービスのユーザーの利用動向を観測し，その行動モデルを構築し交通サービス固有の状況との関係を明らかにした．テーマCでは，例えば強化学習手法として知られるQ学習を用い，比較的単純な道路ネットワークに対し観測可能な交通情報のみから最適な動的混雑課金を漸近的に求める手法を開発し，シミュレーションにより検証した．また，自動運転システムの運行計画を最適化するためのヒューリスティックなアルゴリズムを開発した．

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2024-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究領域課題番号】19K12198 (KAKENデータベースで見る）

【研究キーワード】

数理モデル / 膵ベータ細胞 / シミュレーション / カオス制御 / 膵β細胞 / バースト発火 / 同期 / ネットワーク / 機械学習

【研究成果の概要】

本研究では, ２型糖尿病患者の膵臓内の膵β細胞を物理的に刺激することにより、そのインスリン分泌機能を調整するための数理的アプローチを検討する。特に、機能不全となった細胞の数理モデル化や膵臓刺激設計法の開発を目的とする。本年度は、膵β細胞単一細胞の数理モデル解析を非線形ダイナミクス制御の観点から進めた。具体的には、膵β細胞の数理モデルとしてChayモデルとRizモデルに対してフィードバック制御システムを構築し、その制御過程を数値的に解析した。これにより、低いコストでかつオンデマンドに制御する方法論を構築した。これは、膵β細胞のもつ非線形ダイナミクスを、その機能改善のために効果的に活用するための刺激設計の方法論にも繋げられる。さらに、膵ベータ細胞のインスリン分泌に与えるイオンチャネルの影響を詳細に調査した。その結果TRPM2チャネルがカルシウム依存チャネルを活性化しインスリン分泌を促進する効果があることがわかった。加えて糖尿病疾患の医療データを秘匿性を保ったまま共有する技術に関する検討チームに加わって、実データ検証を行った。
以上の成果は、３本の査読付き国際誌論文、さらには1つの国内研究会において発表した。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】19H04202 (KAKENデータベースで見る）

【研究キーワード】

分子設計 / 抗体 / ペプチド / 物性計測 / 機能計測 / シミュレーション / 機械学習 / タンパク質工学 / 抗体設計 / 分子シミュレーション / ペプチド設計 / 蛋白質工学 / 親和性成熟 / 熱安定性 / 凝集性

【研究成果の概要】

2019年度は、(1)抗体の物性解析、(2)抗体の親和性成熟過程の解析、(3)ペプチドの分子設計、(4)リン酸基に対する蛋白質の分子認識機構の解析の4項目を実施し、それぞれ以下の成果を得た。

(1) 抗体の熱安定性を上げることに成功した。一方で、一部の抗体では、分子設計により熱安定性の向上は見られたものの、抗原に対する親和性は低下してしまった。現在、その原因を分子シミュレーションにより精査している。
(2) 抗体の親和性成熟過程での熱安定性と抗原への親和性の関係性を明らかにした。実験測定に加え、分子シミュレーションを用いて抗体の物性変化と構造ダイナミクスの関係も明らかになりつつある。
(3) 非天然骨格を持つペプチドの分子設計に成功した。分子シミュレーションを用いることで、溶液中での挙動を考察した。また、天然のアミノ酸のみから構成されるペプチド断片をスキャフォールド蛋白質に移植することで、どの程度構造変化が起こりうるのかを解析した。移植したペプチド断片が目的の二次構造を取るために必要な因子を同定しつつある。
(4) わずか一個の水素が付加されるだけで、リン酸基に対する蛋白質の分子認識様式が変化しうる可能性を示した。リン酸基がPO3(-2)の状態では、その官能基の持つ対称性のために、リン酸基が蛋白質と結合した状態を維持したまま、容易に回転することができる。一方で、PO3H(-1)の状態では、そうした対称性が失われるため、官能基側鎖の回転が難しくなる。翻訳後修飾によるアミノ酸側鎖のリン酸化は、生体内で普遍的に見られる現象であり、生体内でのそうしたリン酸化状態の異常は即疾患につながる。本研究による成果は、リン酸基を特異的に認識する蛋白質の分子設計に役立つことが期待される。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2023-03-31

【配分額】17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)

【研究領域課題番号】19K04946 (KAKENデータベースで見る）

【研究キーワード】

避難行動 / 物的被害 / グラフニューラルネットワーク / データ同化 / シミュレーション / ビッグデータ / 機械学習 / 防災・減災 / 大地震 / リアルタイム予測 / リアルタイム推定 / 避難シミュレーション

【研究成果の概要】

2020年度には，Gretel [Cordonnier et al. 2019]と呼ばれるグラフニューラルネットワーク（GNN）モデルと，データ同化手法の一つであるパーティクルフィルタを統合した，データ駆動型の新たな避難者分布予測モデルを提案した。
2021年度は，上述の避難者分布予測モデルを改良するとともに，擬似的な観測避難者分布の生成に用いていているエージェントベースシミュレーションの結果と比較することで，主に計算時間と予測精度の観点からモデルの有用性を検証することを試みた。
具体的には，第一に，2020年度時点では十分に考慮できていなかった時刻情報を考慮できるよう，入力データの仕様や計算プログラムの改良を行った。時刻情報は，データ同化を行うにあたって重要であるため，発生からの経過時間に応じた道路閉塞状況のみならず，各避難者の位置情報も時刻情報とセットで扱うようにした。加えて，ベースとして用いているGretelは局所的な状況に基づき将来予測を行うものであるが，この特性は目的地（避難場所）をもって行動する避難行動とは乖離がある。そこで，道路ネットワーク上の各交差点（ノード）から各避難場所までの距離をノードの特徴量として組み込むことで，より大局的な避難行動の傾向を考慮した予測を可能とすることを目指した。
また，GNNに学習させる避難行動軌跡数やデータ同化で用いるパーティクル数と，計算コストや予測精度との関係を分析し，リアルタイム予測に求められる要件や期待できる精度について検討を試みた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】19H00818 (KAKENデータベースで見る）

【研究キーワード】

電子エネルギー損失分光 / 格子振動 / 理論計算 / 透過型電子顕微鏡 / 機械学習 / 振動 / フォノン / 第一原理計算 / シミュレーション / STEM / EELS / 分子振動 / ELNES / XANES / 材料開発 / 電子線エネルギー損失分光

【研究成果の概要】

物質を構成する原子や分子の局所的な“振動”は，熱などの外場からのエネルギーによる原子の変位現象であり，相転移や熱伝導，さらに様々な機能発現にかかわる重要な現象である．これまでに申請グループは走査透過型電子顕微鏡(STEM)により測定される電子分光（EELS）と高度なスペクトル計算を融合することで，物質を構成する原子・分子の振動を検出する手法を報告してきた．本研究は，高いレベルにあるSTEM-EELS計測，高精度EELS計算，さらに高速界面・表面モデリングを高度に融合することで局所的な振動を計測する手法を確立し，材料開発に活用することを目的としている．
2021年度においては，界面におけるシミュレーションと計測による格子振動（熱）の影響を調べた．まず，界面モデリングを行い，各種結晶界面における熱振動をシミュレーションにより調べた．その結果，界面における原子振動と界面相転移との相関性を明らかにすることができた．界面エネルギーと，構造転移のための活性化エネルギーからその実験的検証の可能性を調べた．さらに，FIB加工した界面試料に関してSTEM-EELSを用いた実験的な計測も実施した． EELSのプラズモンを用いることで，界面の熱膨張を直接計測することに成功した．さらに，同手法により界面における局所的な熱振動が，界面構造と相関していることを明らかにすることができた．
また，EELSスペクトルの高精度計算に向けて，2021においては多電子計算により励起状態における原子変位の定量計算を行う手法の検討を進めた．クラスターモデルを第一原理モデルポテンシャルに埋め込んで計算を行うことで，励起状態におけるエネルギー曲面を描くことが可能になった．

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2023-03-31

【配分額】45,110千円 (直接経費: 34,700千円、間接経費: 10,410千円)

【研究領域課題番号】19K09500 (KAKENデータベースで見る）

【研究キーワード】

頭蓋底手術 / 機械学習 / 仮想現実 / 拡張現実 / シミュレーション

【研究成果の概要】

① 頭蓋底病 に する術前画像の機械学習については、機械学習による病理診断において、国際的にも機械学習による鑑別がトピックとなっている脊索腫と軟骨肉腫の鑑別（ＣＴやＭＲＩ上、肉眼的鑑別が困難であるが、前者は再発率の高い悪性腫瘍、後者は良性腫瘍）が行えるかどうかについて 検証を行い、スモールデータを元にした学習でも、90％以上の正確さをもってこれらの鑑別が行えるレベルに達した。良好な成果が達成されるに至ったため、現在、国際誌に投稿しており、2回目のrevisionを通過したところである。
② CTやMRIなどのDICOM画像を速やかに自動で融合できるような、システムの利用により、より短時間でのシミュレーションモデルの作成が可能となっており、症例検討や手術中の３Dアトラスに耐えうるモデル作成技術が完成し、検証を行っている。これらを頭蓋底腫瘍を有する患者の手術所見と、実際の手術で比較検討することで、術前画像の立体的把握と術中の解剖構造の把握にが可能となり、現在有用性についての結果が出つつある。これらについては、一定の成果を、論文として作成し、複数の国際誌にacceptされている。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】18K05025 (KAKENデータベースで見る）

【研究キーワード】

分子動力学 / 機械学習 / シミュレーション / 分子動力学シミュレーション / 古典力学 / データベース / 分子ダイナミクス / ２次元カオス系 / 深層学習 / タンパク質 / タンパク質-タンパク質相互作用

【研究成果の概要】

機械学習技術の発展により、人工知能は画像認識やチェスや囲碁などの分野において人間の知能を凌駕するようになってきた。近年、AlphaFoldのような先進的なタンパク質構造予測技術においても、機械学習が中心的な役割を担っている。本研究では、こうした機械学習技術を分子科学に導入することによって、タンパク質間に見られる重要なダイナミクス現象を解き明かしていくことを目指している。
これまでの研究で、基本的な機械学習プログラムとデータベースのプロトタイプを作り、2次元ハミルトン系ダイナミクスの学習データベースを用いて、カオス性予測に取り組んだ。このテストにおいては9割程度の正答率まで上げることができるようになった。また、NaイオンとClイオンの会合・解離の予測をする機械学習にも取り組んできた。予測の正答率を75％程度まで向上することに成功している。
今年度は、機械学習モデルによるNaイオンとClイオンの会合・解離の予測精度が正答率これ以上改善することが困難になる要因について、解析をおこなった。機械学習手法・データ数・ハイパーパラメータなど色々な可能性を探ったが、本質的な正答率の改善はできなかった。そこで、系自体に、学習困難な要因がある可能性を調べた。その結果、不正解であった初期条件のトラジェクトリーはカオス性が高いものが多いことが分かった。さらに、タンパク質界面環境への応用として、卵白リゾチーム（HEL）とその抗体(HyHEL-10)の複合体にある塩橋の形成・崩壊のダイナミクスについてデータベース化をおこなった。さらに、簡略的な機械学習もおこなった。

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2023-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】ソフトコンピューティング

【研究領域課題番号】25870915 (KAKENデータベースで見る）

【研究キーワード】

知能情報学 / 確率過程 / ソフトコンピューティング / シミュレーション / ベイズ統計学 / 探索アルゴリズム / 最適化 / ベイズ統計 / 機械学習

【研究成果の概要】

昆虫は時々やってくるフェロモンを頼りにフェロモン源に到達できる．特にカイコガのオスは，視力が弱いにもかかわらずフェロモンを頼りにしてメスの場所を効率的に探索する．本研究では，フェロモン源を探索する過程を模倣したアルゴリズムを開発した．フェロモンについての探索者の観測を確率過程 (点過程) としてモデル化し，ベイズ統計を用いることによりフェロモン源の位置を推定するアルゴリズムを開発した．そして，フェロモン飛散のシミュレーションを行うことで探索アルゴリズムの性能を評価した．また，点過程モデリング技術を用いてWebコンテンツの将来のアクセス数を予測する手法を開発した．

【研究種目】若手研究(B)

【研究期間】2013-04-01 - 2017-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)