人工知能（AI）技術の急速な発展に伴い、人工ニューラルネットワーク（Artificial Neural Networks, ANNs）は多くの分野で顕著な成果を上げています。しかし、従来のニューラルネットワークのトレーニング方法、特にバックプロパゲーション（Backpropagation）アルゴリズムは、ハードウェア実装において多くの課題を抱えています。バックプロパゲーションアルゴリズムはソフトウェアでは効率的ですが、ハードウェアで実装する場合、計算パスが可逆であること、各ニューロンに大量のメモリが必要であること、活性化関数の導関数を計算する必要があることなど、これらの条件をハードウェアで満たすことは困難です。さらに、従来のCMOS（Complementary Metal-Oxide-Sem...

学術的背景 情報時代の到来に伴い、集積回路（Integrated Circuits, ICs）は技術進歩を推進する中核的な力となっています。しかし、従来の集積フォトニクスプラットフォーム（シリコン、窒化シリコンなど）は材料特性に多くの制限があります。例えば、シリコンの間接バンドギャップはレーザーアプリケーションでの使用を制限し、シリコンの近赤外波長域での強い二光子吸収は非線形光学アプリケーションでの性能を制限しています。これらの制限を克服するため、研究者たちは優れた光学特性を持つ二次元材料（2D Materials）をフォトニックチップに統合することを探求し始めました。グラフェン（Graphene）、遷移金属ダイカルコゲナイド（Transition Metal Dichalcogenides...

炭素窒化物（Carbon Nitride, CN）は、2次元n型半導体材料として、その優れた光触媒活性と安定性から、光駆動エネルギー変換や環境応用において大きな可能性を示しています。しかし、CNが光触媒分野で優れた性能を示す一方で、光電子デバイス、特にシリコン（Si）ベースの光電子デバイスへの応用は制限されてきました。その主な理由は、高品質で均一かつ加工可能なCN薄膜を大規模に合成する方法が不足していることです。既存の合成方法、例えばナノシート分散コーティング、液-固界面合成、高温アニーリングなどは、ある程度CN薄膜の作成を実現していますが、ウェハーレベルの均一性、表面粗さ、およびシリコンとの界面結合強度において依然として課題を抱えています。これらの問題により、CNとシリコンの異種界面に多く...

複数量子化最小誤差エントロピーと基準点の理論及び応用：モデル回帰における突破 学術的背景 機械学習と信号処理の分野において、非ガウスノイズの存在はモデルの性能に不利な影響を与えることが多い。伝統的な平均二乗誤差（Mean Squared Error, MSE）は理論的および計算的に単純であるが、非ガウスノイズに対してはその信頼性が大きく低下する。この問題を解決するため、研究者たちは様々な最適化基準を提案しており、その中でも最小誤差エントロピー（Minimum Error Entropy, MEE）は、インパルスノイズや外れ値の抑制における優れた性能から注目を集めている。しかし、元のMEEアルゴリズムは誤差サンプルの二重和を必要とするため、計算複雑度が高く、大規模データセットへの応用が制限され...

確率メモリオートエンコーディングネットワークを用いた監視カメラ映像の異常行動検出研究 学術的背景 インテリジェント監視システムにおいて、異常行動検出は、テロ対策、社会の安定維持、公共の安全確保など、極めて重要な機能です。しかし、異常行動検出には核心的な課題があります。それは、通常の行動データと異常行動データの極端な不均衡です。通常の行動データは大量に入手可能ですが、異常行動データは少なく、予測が困難です。この不均衡により、従来の教師あり学習手法では効果的なモデルの訓練が難しくなっています。そのため、大量の通常行動データを活用して通常行動の分布をモデル化し、それに基づいて異常行動を検出する方法の研究が重要な方向性となっています。 近年、深層学習に基づく手法が異常行動検出において顕著な進展を遂げ...