非線形固定時間強化学習最適化制御によるインテリジェント船舶自動操舵システムの研究 近年、インテリジェント自動操舵技術は自動化制御分野における研究の焦点の一つとなっています。複雑な非線形システムにおいて、特に固定時間内でシステムの安定性と性能最適化を実現するための最適化制御戦略の設計は、制御エンジニアと研究者にとって重要な課題となっています。しかし、既存の固定時間制御理論は、システム状態の収束を実現する際にリソース利用効率とのバランスを考慮していない場合が多く、このため過剰補償または補償不足の現象を引き起こし、システムの定常状態誤差を増加させる可能性があります。さらに、時間制限内での非線形不確実性の推定誤差最小化については、関連研究は依然として少ないのが現状です。したがって、本研究では、この重...

戦略合意に基づく分散型決定性マルチエージェント強化学習研究レポート 強化学習（Reinforcement Learning, RL）は近年、ロボティクス、スマートグリッド、自動運転などの多くの分野で顕著な進展を遂げています。しかし、現実のシナリオでは、マルチエージェント（Multi-Agent Reinforcement Learning, MARL）の協調学習がしばしば要求されます。このような問題の中心的な課題は、通信能力の制約やプライバシー保護の条件下で、効率的なマルチエージェント協調強化学習アルゴリズムを設計することです。現在の多くのMARLアルゴリズムは、広く使用されている集中型訓練-分散型実行（Centralized Training with Decentralized Exec...

RNNの効率的な活性化関数実現：CORDICアルゴリズムとFPGAハードウェア加速の革新 背景と研究の重要性 近年、ディープラーニング技術の急速な発展に伴い、特にリカレントニューラルネットワーク（Recurrent Neural Networks, RNNs）および長短期記憶ネットワーク（Long Short-Term Memory, LSTM）が、自然言語処理（Natural Language Processing, NLP）、音声認識、医療診断などの時間系列タスクにおいて強力な能力を発揮しています。しかし、畳み込みニューラルネットワーク（Convolutional Neural Networks, CNNs）と比較して、RNNモデルはその複雑性および非線形活性化関数の需要が多いため、計算...

単片集積型3次元IGZO-RRAM-SRAMコンピューティングストレージ新アーキテクチャ研究：ニューラルネットワーク計算効率向上のブレークスルー 背景と研究の動機 ニューラルネットワーク（Neural Network, NN）が人工知能分野で広く応用されるにつれ、従来の計算アーキテクチャでは、エネルギー消費、速度、密度に関する要求を満たすのが困難です。この問題を解決するため、研究者はコンピューティングストレージ（Compute-In-Memory, CIM）チップ技術に注目しています。CIMは、計算ユニットとストレージユニットを1つのアーキテクチャに統合することで、大量のデータ転送による「メモリボトルネック」効果を回避し、システム効率を大幅に向上させるものです。これまでのCIMアーキテクチャ...

シリコーンゴムの電気トラッキング劣化メカニズムを明らかにする最前線の科学ニュース 背景紹介：研究の動機と課題 電力輸送と配電システムの急速な発展に伴い、高分子複合絶縁体は従来のガラスやセラミック絶縁体に取って代わり、屋外高電圧送電分野において第一選択の材料となっています。その中でも、シリコーンゴムを基盤とした複合絶縁体は、軽量、高耐熱性、化学的安定性、そして疎水性能（hydrophobicity）の優れた性能でエンジニアリング界で高く評価されています。これらは生産・設置の過程で高いコストパフォーマンスを持つだけでなく、長期の運用においても卓越した耐老化性能を発揮します。しかし、これらの絶縁材料は実際の運用条件下で、電気的および環境的ストレス（高電圧や多様な気象要因、塩霧腐食など）を受けること...