Ｘ線を用いた天体観測は、始まって 50 年以上経ちますが、Ｘ線偏光はまだ１天体からしか検出できていません。私たちはこの状況を打破すべく、高感度なＸ線偏光計を開発し、実際に NASA 主導のもと米伊日国際共同で開発している IXPE 衛星に偏光計を載せて、2021 年に打ち上げて宇宙空間から天体観測を行います。偏光情報は、Ｘ線が原子周辺の電子に当たって弾き飛ばし、出てきた電子の射出方向から求めます。偏光を引き出す電子飛跡の画像処理（赤い点の集まり）に、機械学習の一種である畳み込みニューラルネットワークを応用したところ、より精確に射出方向が決まり、従来の方法より偏光感度が最大で 1.2 倍、観測効率が 1.4 倍に向上することがわかりました。

1月21日（水）と22日（木）の2日間にわたり、ドイツ 科学・イノベーション フォーラム 東京（DWIH東京）において、「人工知能 – 国家間における研究及び応用：第1回人工知能に関する日独仏合同シンポジウム」が開催されました。今回のセミナーではこのシンポジウムの概要を発表しました。

アーバンデータチャレンジとは地域課題の解決を目的に、地方自治体を中心とする公共データを活用した年間のイベント開催を伴う専門知識の有無に関わらず参加可能な一般参加型コンテストで、その概要についてご説明しました。

また、山形市で公開している公共データ（オープンデータ）の取り組みについてもご説明しました。山形市のオープンデータについては山形市公式ホームページ「なんたっすやまがた」の注目カテゴリからご覧いただけます。公開されていないデータで必要なデータがあれば、山形市情報企画課または担当課までご連絡ください。

後半では、11月に山形市で行われた「ベニちゃんバス運行解析」に関するプレゼンをこちらでもご紹介しました。

今回の発表では、データ分析初心者である発表者の私が，ビッグデータ解析の１つの手法である「テキストマイニング」を勉強し，Twitterの投稿を品詞に分け，頻出度によって可視化できるようになるまでの過程を紹介しました。

SNSユーザーの投稿分析は，自社ブランドへの評価や顧客のトレンド把握に活用されていますが，日々投稿されるユーザーのつぶやきを，地方企業の一担当のサラリーマンが常に監視することは困難です。その為，投稿の収集から，整理，分析，可視化を自動で行う仕組みづくりが重要となります。今回は，この仕組みづくりにあたって使用した，マイクロソフトが提供するデータ可視化ソフトである「PowerBI」と周辺サービスについて紹介しながら，Twitterの投稿を可視化できるようになるまでを説明しました。

統計学における重要な概念の統計的仮説検定を紹介しました。仮説検定とは、ある調査の結果が統計学的に支持できるものなのか、それとも偶然なのかを検証するものです。今回はタイタニック号を題材とし、「男性よりも女性の生存率の方が高い」という仮説を統計分析ソフトのRを用いて検証しました。

統計学の背景には確率論があります。そこで、特に確率分布についても紹介しました。確率分布とは何かをお伝えした後に、仮説検定においてどのように用いられているのかをご覧いただきました。

WEBのアクセスログは伝統的にテキストに書き出された無味乾燥のデータから解析されてきました。

ログに記載されている情報の解説と、解析前プログラム的にテキストを分解し有用なデータを取り出す手法について解説しました。

また、WEBという公開情報を活用して様々な情報を付加して分析ができる事と、現在多く使用されているGoogleアナリティクスについても合わせて解説いたしました。

量子ゲート型の量子コンピュータは、まだ大規模なものが実現されていませんが、その振る舞いを早い段階から解析し、可能性と限界を正確に見極めることは非常に重要です。

発表は、量子コンピュータの基礎から始まり、量子アルゴリズムのシミュレーション研究が持つ意義、シミュレーションが必要な状況、シミュレーション高速化のアイディアについての解説が行われました。

データサイエンスはたくさん分野のツールと技術を使う複合科学です。今回の発表では、データサイエンスには使われているのコンピュータビジョン技術について紹介しました。具体的な画像に対する分類（犬と猫）, セグメンテーション（ドローンを使った森の木）の方法などを説明しました。また、深層学習を活用した2つ医療画像のマッチングに手法を紹介してくれました。

土橋君は、江戸時代の和算書に掲載されている図形問題に対する画像認識と自動タグ付けに着手しています。本研究は、和算資料のデータベースにおいて、資料中の図形問題の特徴に基づいた類似検索への寄与を目的としています。

発表では、画像認識を活用して問題中の図形(多角形や円)やその関係性(内接する/外接するなど)を表すタグ付けを行うプログラムを紹介しました。このプログラムでは、Hough変換と呼ばれる画像処理の特徴抽出法で得られた情報を基に図形を認識し、その接関係などから図形同士の関係性を判別しています。実例として、いくつかの図形問題に対してプログラムによるタグ付けを行ったところ、ある程度問題の特徴を掴めるようなタグを付与することができました。今後の課題は、図形問題に含まれる文字に関するタグ付け、およびタグ付けの結果に基づいた類似図形問題の抽出です。また、将来的には研究目的である図形問題の特徴に着目した資料の類似検索を、既存の和算資料データベースへ導入・活用できるような構想をまとめたいと考えています。