日経クロステック：2024.12.24 「揺れる葉から風向と風速を導出、監視カメラの映像が計算資源に」
Wind speed detection utilizing natural physical sensors within a reservoir computing framework
科学新聞：2024.1.12 「自然現象を計算資源に 環境計算を提唱・実証 東北大と公立はこだて未来大」
Computation Harvesting: Harnessing Natural Phenomena as a Resource of Computing
A concise overview of how Reservoir Computing is utilized in the context of Computation Harvesting (in Japanese).
A compact traffic model that integrates autonomous driving and Internet of Things (IoT) sensing within its domain.
AI presentation about Computation harvesting.
Research Interests:
Control of complex systems and its applications（複雑システムの制御と計算応用）
Control technologies for complex systems have been applied across various fields. These studies focus on control methods for chaotic dynamical systems and stochastic processes, examining techniques such as time-delayed feedback control and self-adaptive control for stabilizing trajectories, suppressing diffusion, and automatically tracking periodic orbits. In particular, for stochastic systems, it has been shown—using molecular dynamics models—that delayed feedback can effectively reduce diffusion without altering the system’s physical properties, offering a new approach to suppress thermal noise. In the context of network dynamics, structural features of critical edges have been identified in consensus processes, and theoretical analysis has clarified how network topology affects convergence behavior. Furthermore, the construction of logic gate functions using synthetic gene networks has been proposed as a novel computational mechanism that actively leverages biological noise. These findings collectively demonstrate how the fundamental characteristics of complex systems—nonlinearity, randomness, and network structure—can be harnessed to address real-world control challenges in innovative ways.
この研究テーマでは、動きが不安定だったり、偶然に左右されやすい複雑なシステムを、うまくコントロールする方法を探っています。たとえば「時間遅れのあるフィードバック」や「自動調整による制御」で、動きを安定させたり、ゆらぎを抑えたりする方法が提案されています。分子の動きをモデルにした研究では、熱によるノイズを減らす新しい仕組みも提示されました。さらに、人のつながりやインターネットのようなネットワークでは、どのつながりが重要かを見つけて情報のまとまりを早める手法や、人工遺伝子を使って生物の仕組みでコンピュータのような動作をする方法も提案されています。こうした技術（複雑システムの制御）は、さまざまな分野での応用が期待されています。
Bio-inspired engineering systems（電力ネットワークの数理モデル研究）
This study proposes a mathematical framework for modeling the behavior of power packet distribution networks (PPDNs) and presents a decentralized control method to emulate and regulate their dynamics. In a PPDN, electrical energy is transmitted in packetized form—each containing both power and information—via power routers equipped with energy storage and forwarding functions. This architecture offers greater flexibility and scalability than conventional power systems. The authors model the flow of power packets using consensus dynamics and conduct simulations on a ring-shaped network inspired by biological systems to analyze changes in voltage distribution. They also design network-independent decentralized algorithms and compare two routing strategies: source-initiated (top-down) and demand-initiated (bottom-up). The results show that, even under asymmetric transmission conditions, distinct voltage distributions—such as bias toward certain nodes—can be effectively realized through decentralized control. This research demonstrates the feasibility of integrating mathematical modeling and control algorithms for the systematic design of next-generation power networks.
この研究テーマでは、「パワーパケット分配ネットワーク（PPDN）」という新しい電力の送り方を数式でモデル化し、それを効率よく動かすための分散型の制御方法を考えています。PPDNでは、電力を小さなパケットに分けて情報と一緒に送ることで、より柔軟な電力供給が可能になります。研究では、電気の流れを「全体でバランスをとる動き」としてとらえ、血液の流れのようなネットワークで電圧がどう変わるかをシミュレーションしました。また、「送る側が決める方法」と「使う側が動く方法」の2つの制御法も比較し、それぞれの特徴を明らかにしました。その結果、偏った電力の流れでも、適切な制御で安定した電圧分布が実現できることが示されました。
Neural networks and its applications（神経ネットワークの数理モデル研究）
This body of research presents a comprehensive exploration of mathematical models for neural networks, particularly focusing on synchronization mechanisms in spiking and bursting neurons with complex dynamics. By analyzing neuron models such as the Chay model and incorporating both deterministic chaos and stochastic perturbations, the studies demonstrate how weak periodic inputs can induce phase synchronization—even in systems with multiple intrinsic time scales. The observed phenomena include chaotic phase synchronization (CPS), power-law scaling in phase slips, and stepwise transitions in synchronization order, revealing intricate interactions between fast spiking and slow bursting modes. Beyond theoretical analysis, these models are applied to biologically relevant contexts such as beta-cell activity in type 2 diabetes, where chaotic bursts are stabilized through on-demand feedback control, and to the development of efficient neural-inspired signal reconstruction methods using generative adversarial networks. Together, these works bridge nonlinear dynamics, control theory, and machine learning to deepen our understanding of complex neural behavior and its potential applications in biomedical engineering and signal processing.
この研究テーマでは、神経ネットワークのしくみを数学的にモデル化し、その複雑な動きやリズム（スパイクやバースト）について詳しく調べています。特に、周期的な弱い刺激によって、神経細胞の発火がどのように同期（タイミングがそろう）するかに注目し、「カオス的な同期」や「段階的な変化」など、これまで知られていなかった現象を明らかにしました。また、これらの数理モデルは、糖尿病のインスリン分泌に関わる細胞の異常なリズムをコントロールしたり、音声の波形を再現するAI技術の開発にも応用されています。このように、非線形なダイナミクスや制御理論、そして機械学習を組み合わせることで、生体の神経活動のしくみをより深く理解し、医療や工学にもつながる新しい応用が期待されています。
IoT / AI technology for next generation mobility （IoT/AIを用いた次世代モビリティ研究）
This set of studies explores how emerging IoT and AI technologies can transform next-generation mobility systems through innovative models of computation, data sharing, and service design. The first paper introduces the concept of computation harvesting, where traffic dynamics themselves are used as a computational resource to enable efficient real-time prediction of traffic flow, reducing reliance on power-intensive AI models. The second paper proposes a privacy-preserving data collaboration method for distributed machine learning, enabling multiple organizations to share insights without exposing sensitive data—an essential feature for mobility systems that depend on large-scale sensor and user data. The third study presents a queueing-theoretic analysis of a hybrid car/ride-share system, which optimizes both user wait time and operating cost, offering a flexible, demand-responsive alternative to conventional buses. Together, these works demonstrate a vision for mobility that is not only data-driven and intelligent but also privacy-aware, resilient, and computationally sustainable.
この研究テーマでは、次世代モビリティを支えるためのIoT（モノのインターネット）やAI技術の新しい使い方について提案しています。1つ目の研究では、道路の交通の流れそのものを「計算のしくみ」として使うことで、大きなコンピューターに頼らずに交通の予測ができる「環境計算（Computation Harvesting）」という考え方が紹介しています。2つ目の研究では、複数の組織が持つデータを秘密のまま活用する方法が提案されており、個人情報を守りながらも、全体として的確に判断ができる仕組みが示されています。3つ目の研究では、大学と駅の間で使える「カーライドシェア」という新しい移動サービスを分析し、バスの代わりに混雑をやわらげる方法としての効果や、料金設定の工夫について検討されています。これらの研究は、環境にやさしく、安心・安全で、効率的なモビリティ社会をつくるためのヒントを与えてくれます。