セミナー(2022)

発表日時4/25 (月)  12:55-14:25
タイトル機械学習を利用した太陽フレア・コロナホールの予測研究
発表者西塚 直人(NICT)
発表概要近年、豊富な太陽衛星観測データと機械学習を用いた宇宙天気予報技術の開発が進んでいる。NICTでは太陽黒点画像に深層学習手法を応用した太陽フレア予測モデルを開発し、予報運用に活用している。また太陽コロナホール検出による高速太陽風や地磁気嵐の予測研究も海外では進んでいる。本セミナーではNICTで開発した予測モデルや宇宙天気予報運用の状況を紹介しつつ、海外動向や今後の展望について議論する。
発表日時5/12 (木)  10:15-11:45
タイトル機械学習を利用した反射スペクトルからのにんにく病理診断
発表者安藤 秀一（M2）
発表概要農業の効率化のために、人工衛星が取得したデータから植生指標を求めることが行われている。その代表例であるNDVIは、2つの波長帯域の反射率で導出可能な植生指標であり、これまでの植生診断において伝統的に用いられてきた。そこで人工衛星データを利用した農作物の病理診断に、NDVIを使用することが考えられる。一方で、この指標は環境要因等に影響されることなどが報告されており、より良い精度の植生指標を作成することが望まれている。本研究では、農園で栽培されたにんにくを簡易機器で撮影した広域反射スペクトルデータを使用した機械学習による病理診断手法を開発を目指す。また、農作物の病理診断に有用な波長帯域を特定を目指す。
　本セミナーでは、撮影されたにんにくの広域反射スペクトルデータを利用した機械学習手法による病理診断結果について報告する。また、にんにくの病理診断に有用な波長の特定実験を行った結果を示すとともに、今後の研究の展望について述べる。
発表日時5/19 (木)  10:15-11:45
タイトル深層学習を用いた太陽磁場画像でのコロナホール検出
発表者竹部 良（M2）
発表概要コロナホールは周囲のコロナよりも密度と温度が低いため、太陽表面上で暗く表れる領域である。コロナホールは地球磁気圏へ影響を与える地磁気嵐の原因となる太陽風の源になっている。現在までの検出手法では太陽の磁場画像からの正確なコロナホール検出は達成できていない。本研究では、深層学習を用いて太陽磁場画像からの正確なコロナホール検出手法の開発を目指す。その検出モデルを基にコロナホールの出現予測を目指す。
　本セミナーでは深層学習を用いた太陽磁場画像でのコロナホール検出のこれまでの実験結果とこれからの展望について報告する。
発表日時5/19 (木)  10:15-11:45
タイトルオートエンコーダを利用した時系列画像からの太陽フレア発生予測
発表者田所 拓馬（M2）
発表概要近年発達した深層学習により、フレア発生予測の精度は大きく向上した。一方で、衛星の画像データを直接入力とした黒点画像からのフレア予測には以前として困難がある。また、表データに時系列情報を用いた太陽フレア予測が高精度となることから、太陽フレア予測において時系列情報が重要であることが分かっている。画像データに時系列情報を用いることでさらに高精度となることが期待できるが、計算量が大きく学習が困難であるという問題がある。そこで本研究では、オートエンコーダ技術を用いて画像データを圧縮することで計算量の問題解決を図り、黒点時系列画像からの太陽フレア発生予測に挑戦する。
　本セミナーでは、オートエンコーダにより黒点画像の情報量を圧縮した結果と、圧縮した黒点画像のシャッフルデータで行った太陽フレアの予測結果について報告する。また、時系列予測を行なっていく上での今後の展望について述べる。検出のこれまでの実験結果とこれからの展望について報告する。
発表日時5/26 (木)  10:15-11:45
タイトル広範囲zにおけるPhoto-z推定手法の開発
発表者津田 和輝（M2）
発表概要赤方偏移zは対象銀河までの距離及びその銀河が存在する時代を表すパラメータであり、銀河研究における基本的重要情報である。spec-zは高精度だが、必要観測時間は長く、ごく一部の銀河でしか取得できない。そのため、要する時間が少ない画像データから高精度なPhoto-zを推定することは非常に有用である。Schuldt+(2021)は、CNNを用いて銀河画像からPhoto-zを推定するモデルを構築したが、遠方銀河のzを低く予測してしまう問題があった。そこで本研究では、Schuldt+(2021)の手法を改良して、遠方銀河に対しても高精度なPhoto-z推定モデルの構築を目指す。
先行研究では、近傍に比べて遠方銀河の数が極端に少ないデータインバランスの影響を抑えるため、画像の回転・反転によるデータ拡張を行ったが、データインバランスが解消しきれていないこと及び、不連続なデータ拡張による悪影響が見られた。
　そこで私は、データインバランス改善として、「データ拡張+アンダーサンプリング」と「データ拡張の代わりに損失関数の重み付け」の2つの改善案を提案し、その検証を行った。本セミナーでは、その結果について報告する。
発表日時5/26 (木)  10:15-11:45
タイトル深層学習を用いた人の表皮画像からの肌パラメータ診断手法の開発
発表者前澤 健一 (M2)
発表概要人の肌の水分量等のパラメータは人の健康状態や特性を分析する際に有用な数値情報である。一方で近年、高性能顕微鏡により高空間分解能な肌画像データを撮影することが可能になったが、その画像データからパラメータの推定までには至っていない。そこで、本研究では深層学習技術を用いて、高空間分解能皮膚画像データから各種肌パラメータの推定を行う方法の開発を行う。
　本セミナーでは人肌画像からの人肌パラメータ推定におけるこれまでの実験結果と、詳細なモデル分析に関する今後の展望について説明する。
発表日時6/2 (木) 10:15-11:45
タイトル学士研究と修士研究の紹介
発表者渡邊 健斗（M2）
発表概要学士研究では「機械学習による太陽輝点の自動検出手法の比較検討」というテーマで研究した。コロナ輝点（CBP：Colonal Bright Points）はＸ線および極紫外線画像で遍在的に観察される構造であり、その発生数はコロナ加熱問題と直接関連している。従来のCBP検出は、画像処理によるルールベースの自動検出が主であったが、研究ごとに得られた結果が異なり、安定した検出方法が開発出来ていない。一方で、機械学習 を用いた自動検出手法が着目されており、先行研究ではゼルニケモーメントと SVM を用いた検出手法が開発されている。本研究ではこのゼルニケモーメントと SVM に加え、MLP、CNNといった深層学習を用いた分類モデルを作成・比較し、CBP の安定検出に有効な手法を探る。
　また、現在修士研究では「GANを用いた黒点スケッチからの磁場データの復元」というテーマで研究している。太陽活動は地球に大きな影響をもたらし、その予測は重要である。活動予測は観測衛星によって得られた磁場データなどで行われているが、現在約25年分のデータしか記録されていない。正確な予測を行うためにはより長期的なデータが必要である。一方で、昔の研究者たちは、望遠鏡を用いてスケッチという形で黒点を記録していた。そこで、その黒点スケッチと近年注目されている生成モデルGANを応用し、過去のスケッチから当時の磁場データを復元する、高精度の磁場データ復元モデル開発を行う。これによって長期的な太陽磁場データを得る。
発表日時6/2 (木) 10:15-11:45
タイトル卒業研究の紹介と修士研究テーマ紹介
発表者佐々木 明良（M1）
発表概要卒業研究の紹介と、修士研究のテーマについて紹介する。
四年時では、「Mask R-CNNを用いた太陽フィラメント検出の精度向上」というテーマで研究を行なった。
本研究では、先行研究におけるMask R-CNNによるフィラメント検出モデルの問 題を調査し、解決することで精度向上を目指した。問題として、データ不足による 過学習の発生と、領域提案(RPN)の段階におけるパラメータの不適合が見られた。 これらの解消により、Average Precisionは先行研究での55%から63％へと向 上した。
修士研究テーマは、「動画予測手法を用いた太陽全球画像の時系列予測」である。本テーマの目的、手法などについて簡単に紹介する。
発表日時6/16 (木) 10:15-11:45
タイトル卒業研究と修士研究テーマの紹介
発表者佐藤 智哉（M1）
発表概要卒業研究では「圃場画像からのSPAD値推定手法開発」をテーマに研究を行った。SPAD値は、水稲生育において散布肥料量を決定する重要指標の1つである。しかし現在の主な測定手法である葉色スケールやSPAD計は、測定者による個人差や大きな労力が必要であるという問題点がある。そこで本研究では、中小規模の圃場向けにスマートフォンでの撮影画像からSPAD値を推定する手法の開発を目指した。圃場画像を入力、SPAD値を出力とした深層学習モデルを作成し、画像の前処理方法、分類と回帰の2種類の出力方法について検討した。これらの結果、回帰モデルでは平均誤差0.61、分類モデルではaccuracy1.00を達成した。
　修士課程では「空間相似性を持つ物体検出に適したRPNの考案」をテーマに研究を行う。深層学習を用いた物体検出手法であるFaster R-CNNやMask R-CNNには紐のような相似性を持つ物体に対してうまく検出ができないという問題がある。この問題は領域提案アルゴリズムであるRPNに起因していると考えられるため、本研究ではRPNを改善し相似性を持つ物体に強い物体検出モデルの開発を目指す。
発表日時6/16 (木) 10:15-11:45
タイトル卒業研究の紹介と修士研究テーマ紹介
発表者高橋 圭史 (M1)
発表概要卒業研究と修士研究のテーマについて紹介する。
 卒研について説明する．研究テーマは「実OFDM信号を用いたUAV波源推定の評価ツールの開発」である．近年，無線通信システムの運用の増加に伴い周波数資源の圧迫やシステム間の干渉が問題となっている．しかし，全ての時間・場所に注目すると常に無線通信システムが使用されているとは限らず，空いている周波数を 2 次利用する検討が行われている ．2 次システムを利用するためには，未知の1 次システムの波源位置を推定する必要がある．著者らはアレーアンテナを搭載した無人飛行機を利用することで，得られた到来方向推定結果を用いて送信波源の位置を推定する手法を提案している．本検討では，波源推定のシミュレーショ ンで使用する雑音に関して、実信号を考慮する点に着目して検討を行い，その特性を評価した．
 修士での研究については，「電子顕微鏡により取得可能なスペクトル測定データからの人肌パラメータ推定」である．本研究では、分子スケールでの測定結果から肌パラメータ推定における細かい根拠を明らかにするために、電子顕微鏡により取得可能なスペクトルデータを用いて、人肌パラメータを推定することを目標とする。
発表日時6/23 (木) 10:15-11:45
タイトル卒業研究と修士研究テーマの紹介
発表者長谷川 幸大（M1）
発表概要卒研研究では太陽の表面は熱による対流があり、粒状斑と呼ばれる構造になっている。他にも超粒状斑やgiant cellと呼ばれるさらに大きな構造もあると考えられているが詳しい物理現象は分かっていない。先行研究では流速と経過時間の相関関係からgiant cellを検出した。しかし検出精度が良いとは言えなかった。
　本研究では輝度画像から粒状斑を検出し、検出した粒を一つ一つ追跡することで精度のよいgiant cellの検出を目指した。しかし、問題点として検出に時間がかかりすぎてしまい実用的ではない。そこで複数の方法で粒状斑を検出し、それに伴う時間と精度から高速化する手法を検討した。
　修士研究では卒業研究を発展させて実際に高速化するためにcpuによるマルチコアの処理などを行ってどれだけ高速化できたかの進捗状況を報告する。
発表日時6/23 (木) 10:15-11:45
タイトル卒業研究と修士研究テーマの紹介
発表者本多 飛翔（M1）
発表概要卒業研究では「太陽黒点の出現予測モデル構築」をテーマに研究を行った。
太陽表面では太陽フレアと呼ばれる爆発現象が起き、太陽フレアは通信障害や衛星障害などの人間社会への被害を引き起こす可能性がある。また、その太陽フレアの多くは太陽黒点の周りで発生するため、太陽黒点の出現予測
を行うことは太陽フレアからの被害を軽減するために重要である。これまでの研究では、太陽黒点の出現を予測するまでに至っていない。本研究では、初めに太陽の全球磁場画像と太陽の活動領域の画像から黒点が出現する前のデータセットを作成した。作成したデータセットと畳み込みニューラルネットワーク(CNN)を用いて、黒点が出現していない太陽の磁場画像から黒点が24時間以内に出現するかを予測するモデルに挑戦した。
　また、修士課程では「深層学習を利用したX線シグモイド構造からのCME予測手法の開発」をテーマに研究を行う。本研究では新しいCME予測手法の開発を目指し、シグモイド構造が捉えられる太陽X線画像から直接CME発生を予測する深層学習モデルの構築に挑戦する。
発表日時6/30 (木) 10:15-11:45
タイトル卒業研究の紹介と現在の進捗
発表者町田 瑞樹（M1）
発表概要卒業研究では、「教師なし学習による銀河画像の特徴抽出手法の開発」というテーマで研究活動を行った。
銀河形態の分類は、形成年代等を知る手掛かりとなる銀河研究の基本情報である。近年のビッグデータ化や深層学習技術の発展により、銀河形態ラベルを用いた教師あり学習を用いた分類などが研究されている。一方で、既存の教師あり学習の手法では、既存の分類以上の事柄を見出すことは難しい。そこで本研究では、機械学習による新しい銀河分類提案を大きな目標として、教師なし学習を用いた銀河画像の特徴抽出手法、特に連続値を持つ特徴抽出手法の開発に挑戦した。結果として銀河画像の大きさや方向を示すような成分が出力された。
また修士課程の研究進捗について報告する。
発表日時6/30 (木) 10:15-11:45
タイトル卒業研究と修士研究テーマの紹介
発表者横山 光輝（M1）
発表概要卒業研究では、「AEを用いた太陽活動領域成長の画像予測手法の開発」とテーマに研究活動を行った。太陽活動領域で発生する太陽フレアは強いＸ線や放射能を放出し、通信障害や宇宙飛行士への被爆などの被害を引き起こす。そのため、太陽フレア発生を予測することは長年の課題となっている。本研究では太陽フレアをより早く予測するために、活動領域の画像予測モデルの開発に挑戦した。予測モデルにはデータの圧縮と復元を行うAutoEncoderと呼ばれる手法を使用した。この手法はデータの重要な特徴量のみを抽出することが可能で、ノイズ除去が期待できる。深層学習モデルで一般に使用される損失関数MSEを使用したところ、損失値が下がらず、予測画像が大きくぼやけるという問題が見られた。そこで、学習がより簡単なSSIMと呼ばれる損失関数を導入することにより、予測精度の高いモデルの開発を目指した。
　修士研究では、「GANを用いた太陽活動領域成長の画像予測手法の開発」をテーマに研究活動を行う。本研究では、AEよりも高度な画像生成モデルであるGANを用いて太陽活動領域成長の画像予測手法の開発を目指す。
発表日時7/7 (木) 10:15-11:45
タイトルDevelopment of an efficient detection system for solar polarization spectral data accumulated by satellite observations
発表者Jargalmaa Batmunkh (D1)
発表概要Seeking peculiar spectral signals is a basic and important process in astronomy. However, in this big data era, this task is nearly impossible using the traditional manual method. Moreover, the problem is becoming more challenging from the viewpoint of informatics because the characteristics of the spectral data greatly differ from those of previous targets. This task is particularly difficult with solar observations because of their high spatial resolution and higher dimensionality. It is necessary to seek signals in spatio-polarimetric spectra data (2D space × 1D wavelength × 1D polarimetry) with high accuracy.
We are developing a system for efficiently detecting peculiar signals in solar observations that cannot be explained with current knowledge. It uses artificial intelligence (AI) techniques, including autoencoder (AE) and variational autoencoder (VAE) for the compression of spectral data and the detection of anomalies, respectively. Simulation data obtained from physical equation-based numerical simulations are used as the knowledge database, and unexplainable spectra are detected from comparisons between the actual observational database and the knowledge database.
発表日時7/7 (木) 10:15-11:45
タイトル卒業研究テーマ紹介と先行研究の紹介
発表者小林 聖弥 (B4)
発表概要卒業研究では、「深層学習を用いたラベルエラー修正手法の提案」を行う。進捗状況を報告した後、先行研究を紹介する。先行研究に関しては、「教師ラベルエラーに対するMLPとCNNの挙動差に関する研究」を行ったものである。
発表日時7/14 (木) 10:15-11:45
タイトル研究テーマについての紹介と進捗状況の報告
発表者田仲 晃也 (B4)
発表概要卒業研究として「圃場画像育成モデルの改良(全時期適用)」というテーマで研究活動を行う.
SPAD値は、農作物の育成において葉の栄養状態を知るための重要な指標である.現在の測定方法は効率的とは言えず、新しい測定方法の開発が必要である.
そのため本研究では、佐藤さんが行った「スマートフォンでの圃場撮影画像からのSPAD値を推定する手法の開発」をもとに追肥以外の時期のデータについても正しい予測ができるようにモデルを改良する.
発表日時7/14 (木) 10:15-11:45
タイトル日震学解析コードのGPU計算による高速化
発表者丹治 太一 (B4)
発表概要卒業研究では、「日震学解析コードのGPU計算による高速化」を行う。GPU計算ができるCUPYやGPU計算とCPU計算の計算速度の比較、現在高速化を試みている高速フーリエ変換などについての説明を行う。
発表日時7/21 (木) 10:15-11:45
タイトル研究テーマ紹介と先行研究の紹介
発表者七久保 直紀 (B4)
発表概要自分が行う研究は、「深層学習を用いた太陽コロナホールの成長予測」である。成長予測を行う際には、まず太陽コロナホールの検出が必須になる。今回は、自分の研究の進捗状況や研究計画を説明すると同時に、太陽コロナホールの検出方法を、先行研究の例を用いて解説を行う。
発表日時7/21 (木) 10:15-11:45
タイトル太陽極紫外線画像からの太陽風パラメータ予測
発表者樋浦 大偉成 (B4)
発表概要私が行うのは「太陽極紫外線画像からの太陽風パラメータ予測」です。太陽風とはなにか、どのようにしてひき起こるのかなどを説明できたらいいと思っています。また研究内容の進捗報告と今後の課題を示そうと思います。 
発表日時7/28 (木) 10:15-11:45
タイトル卒業研究テーマおよび先行研究の紹介
発表者藤谷 壮 (B4)
発表概要卒業研究では「GANを利用したコロナホール自動検出手法の高精度化」を行う。また現在の研究進捗として、先行研究に掲載されている散布図や2Dヒストグラム、セグメント化マップの再現を行ったので、それについて説明する。
発表日時7/28 (木) 10:15-11:45
タイトル卒業研究の進捗と報告
発表者布施 智進 (B4)
発表概要研究内容はend-to-endな太陽フレア予測の高精度化です。小松さんの先行研究の紹介とその改善点、Mask R-CNNについて紹介します。
発表日時8/4 (木) 10:15-11:45
タイトル研究テーマの紹介と進捗状況の報告
発表者山内 藍 (B4)
発表概要卒業研究として、「圃場画像生育診断モデルの精度改善(アンサンブルモデル+データ追加)」を行う。SPAD値は、水稲生育において散布肥料量を決定する重要指標の1つである。しかし、現在の主な測定手法であるカラースケールや葉緑素計は、測定者による個人差や大きな労力が必要であるという問題点があるため、新たな測定手法の開発が必要である。
そのため本研究では、佐藤さんの卒業研究である「圃場画像からのSPAD値推定手法開発」をもとに、アンサンブルモデル作成によるSPAD値推定の精度改善を目指す。
発表日時8/4 (木) 10:15-11:45
タイトル卒業研究テーマおよび先行研究の紹介
発表者森永 貴藤 (B4)
発表概要記号回帰アルゴリズム「AI-Feynman」は、ニューラルネットワークを用いてデータの対称性や分割性を発見し、問題を単純にしていくことで数式を発見するアルゴリズムであり、これまでの記号回帰アルゴリズムに比べ、高い記号回帰の性能を持っている。このAI-Feynmanの論文では、1~5の範囲でランダムに生成したデータを性能の検証に用いていた。しかし、記号回帰においては、実世界上のデータから数式を発見することが重要であり、様々なエラーを持つ実世界上でAI-Feynmanが正常に動作することが必要である。そこで本研究では、より実世界に近いデータを用いてAI-Feynmanの実行を行い、その際の挙動や結果の検証を行う。