電子情報分野
研究室名
知能数理研究室   
研究室スタッフ
佐々木 裕 (教授)   NUHA Ulin (嘱託研究員)
研究室タイトル
人間の知能を探究し、 人工知能を創り出す
研究室概略
人間と機械が言語を介して、知的なコミュニケーションをするための基礎理論とその応用技術が中心的な研究テーマ。特に、膨大な科学技術文書情報を自動的に解析し、そこから有用な知識を発見するシステムの開発を目指している。
主な研究テーマ
・深眉学習による自然言語処理
・生命科学・物質工学等の文献からの知識獲得
・知識を活用した自動走行のための深層学習
・超空間への知識構造の埋め込み
・時系列データ解析
個別研究テーマ
  • 交通に関する知識ベースの構築

    佐々木 裕

    2011年度 - 現在

     詳細

    自動走行車は、道路や周囲の車に合わせて走行するだけではなく、様々な交通法規や交通マナーに従って走行しなければならない。本研究は、交通に関係した知識を集約した知識ベースを構築することを目的に、2011年度から研究を継続している。

    成果:

    2024年度
    複数の大規模言語モデルを協調させることにより、人間が介在しない形で交通に関する知識構造を自動構築する開発した。

    2023年度
    交通教則に書かれている交通に関するイベントの発生条件を特定する技術を考案した。

    2022年度
    交通教則をオントロジー型の知識に変換する方法について検討した。

  • 自然言語文からの関係構造抽出

    佐々木 裕

    2017年度 - 現在

     詳細

    文書に自然言語で書かれている情報を構造化するために,文に言及されているエンティティとその関係の抽出が注目されている。ニューラルネットワークを用いて、文に書かれているエンティティと関係を抽出する手法について研究している.

    成果:

    2024年度
    関係間の相互作用をRAGにより考慮する関係抽出モデルを構築

    2023年度
    ライフサイエンス分野の関係抽出実験を継続した。

    2022年度
    薬物・薬物間の相互作用抽出,薬物・タンパク質間の相互作用抽出の研究を継続し、薬物知識グラフを提案するとともに、薬物とDBとのリンキングや遠距離教師データの利用に関する研究を進めた。

  • 深層学習による自然言語処理

    佐々木 裕

    2017年度 - 現在

     詳細

    近年、深層学習(Deep Learning)により画像処理や音声認識の性能が飛躍的に向上している。本研究では、深層学習を自然言語処理に応用し、その効果を検証してきた.

    成果:

    2025年度
    LLMを用いた生物医学分野のエンティティリンキングのためのデータ拡張手法を開発

    2024年度
    同一の用語を同一の用語として扱うBERT、大規模言語モデルによるエンティティリンキングデータの拡張の研究を実施

    2023年度
    深層学習による各種関係抽出、固有表現抽出の研究を行った。スライディングウインドウによる固有表現抽出、大規模エンティティリンキング技術を確立し、IDレベル関係抽出システムを構築した。

    2022年度
    そのひとつとして、関係抽出と知識グラフを統合した関係抽出の集大成を行った.また,日本語電子カルテに対する深層用語抽出の研究も進めた.

  • マテリアルズインフォマティクス

    佐々木 裕

    2017年度 - 現在

     詳細

    物質工学への情報学の応用

    成果:

    2025年度
    物性値の相対比較を導入した知識グラフに基づく物性値予測手法の確立、物性知識を導入した情報抽出、LLMへの物性値の相対比較の導入の効果の検証

    2024年度
    知識グラフの構造に物性値情報を導入することによる深層物性値予測を開発

    2023年度
    超電導に関する知識グラフを用いた転移温度の予測の実験を行った。

    2022年度
    Advanced Engineering Informaticsに超電導コーパスSC-CoMIcsに対する深層学習の適用評価に関する成果が掲載された。

    2020年度
    LREC-2020に超電導コーパスSC-CoMIcsの論文掲載

    2017年度
    超電導材料に関するアブストラクトを対象にした言語資源SC-CoMIcsの構築開始

  • 時系列データ解析

    佐々木 裕, 三輪 誠

    2022年度 - 現在

     詳細

    深層学習による時系列解析技術の高度化

    成果:

    2025年度
    LLM/VLMを用いた、心電図の波形に関する説明文からの心電図波形の生成

    2025年度
    拡散モデルにおける不確実性を考慮したデコーディングによる時系列予測技術の展開

    2025年度
    AVC-GANによる高品質な時系列データの生成の研究の展開

    2024年度
    拡散モデルにおける不確実性を考慮したデコーディングによる時系列予測性能の向上

    2024年度
    AVC-GANによる高品質な時系列データの生成

    2023年度
    iTransGANによる時系列データの生成と生成データを用いた時系列予測モデルの事前学習の効果の検証

    2022年度
    Neural Laplaceによる時系列予測の性能評価