セミナー 印刷

リザバーコンピューティングの基礎と研究動向、
社会実装に向けた技術課題と応用展開

どのような情報処理が得意か、他の機械学習コンピューティングとの違い、
物理リザバーコンピューティングの動作原理、近年の研究動向、応用例、今後の展望など。

受講可能な形式:【Live配信】のみ

高速信号処理への対応や少量データでも学習可能といった利点を有し、近年注目されているリザバーコンピューティング(RC)。
その原理・特徴、物理RCの動作原理・ソフトウエアベースとの違い、物理RCの種類、物理RCの基礎研究(光学、機能性材料や電子デバイスを用いたコンピューティング)と応用に近い研究の具体例、社会実装に向けた応用(音声・画像認識、無線通信要素技術、個人医療等)と技術課題、今後の展望までを解説します。
日時 2025年11月17日(月)  13:00~16:30
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額24,750円)
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
1名申込み:  受講料 39,600円(E-Mail案内登録価格 37,840円 )
 定価:本体36,000円+税3,600円
 E-Mail案内登録価格:本体34,400円+税3,440円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料PDFテキスト(印刷可・編集不可)
※開催2日前を目安に、弊社HPのマイページよりダウンロード可となります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・機械学習パターン情報処理リザバーコンピューティングの原理と概要
・ソフトウエアベース技術と物理ダイナミクスベース技術の違い
・ハードウエア開発の要点
・研究動向と想定される社会実装例
・今後の発展に必要な技術課題
対象時系列データのパターン情報処理、特にハードウエアの特徴を活かした機械学習コンピューティングに興味のある方。直感的な理解を促す説明を心がけるため予備知識は不用ですが、簡単な線形代数の知識があると理解しやすい概念があります。

セミナー講師

東京大学大学院工学系研究科付属システムデザイン研究センター 特任准教授 博士(工学) 中根 了昌 氏
専門:電子デバイス、物理現象を利用した機械学習コンピューティング
2005年 東京大学大学院工学系研究科電子工学専攻 博士後期課程修了。博士(工学)。
2013年 東京大学大学院工学系研究科電気系工学専攻 特任准教授、2023年より現職。
学生時代から現在まで電子材料、電子デバイスの研究に従事。2013年からはこれらに加え、ハードウエアの特徴を活かした機械学習コンピューティングの研究に従事し、国内外での学会における招待講演多数。2020年にリザバーコンピューティングの和書を共著にて出版。

セミナー趣旨

 近年、機械学習パターン情報処理の進展はめざましく、社会生活から個人生活に至るまでの広範囲にわたり恩恵をもたらしています。リザバーコンピューティングは、簡便なシステムと学習によって様々な情報処理に活用できる大変魅力的な機械学習の計算手法であり、特にエッジコンピューティング応用への親和性の高さから最近注目を集めています。ソフトウエアによる原理の追及や計算性能の向上のみならず、技術革新を目指す新たなハードウエア開発など、研究分野が急速に拡大しながら発展してきています。
 本セミナーでは、はじめにリザバーコンピューティングの基礎と特徴、どのような情報処理に活用できるかを説明します。次に、非線形な物理現象を利用したハードウエア研究について、ソフトウエア研究との違いと動作原理、どのような技術開発が必要であるのかを説明します。その後、基礎から応用までの近年の研究動向を紹介し、どのような社会実装を目指しているのかの描像についても紹介します。最後に、他の分野との関り、発展のための技術課題、今後の展望について議論します。

セミナー講演内容

1.リザバーコンピューティングの特徴
 1.1 人工ニューラルネットワークとリザバーコンピューティング
 1.2 他の機械学習コンピューティングとの違い
 1.3 どのようなパターン情報処理が得意なのか
 
2.物理リザバーコンピューティングの原理
 2.1 ソフトウエアベース
 2.2 物理ダイナミクスベース
  2.2.1 システム構造と動作原理
  2.2.2 どのような技術開発が必要か
  2.2.2 物理リザバーコンピューティングの種類
 
3.物理リザバーコンピューティングの具体的な研究内容
 3.1 基礎研究の具体例
  3.1.1 構造物を用いたコンピューティング
  3.1.2 光学を用いたコンピューティング
  3.1.3 機能性材料や電子デバイスを用いたコンピューティング
 3.2 応用に近い研究の具体例
 
4.社会実装に向けて
 4.1 特徴を活かした応用
   音声認識、無線通信要素技術、個人医療、画像認識など。
 4.2 ブレークスルーを必要とする技術課題
 4.3 今後の展望

 □質疑応答□