研究内容

産業における意思決定を支えるための逐次的意思決定技術の研究に取り組んでいます．代表的な逐次的意思決定技術としては，動的計画法，バンディットアルゴリズム，強化学習などがあります．

主に，シミュレーション×強化学習ベースのプロセス制御・運転支援技術の研究に取り組んでおり，

• 強化学習をプロセスのどの場面でどのように使っていくか？

• 対象のプロセスをどうやって強化学習の意思決定問題（何を環境の状態とみなすか？また何をエージェントの行動とするか？など）に落とし込むか？

を日々考えています．アルゴリズムそのものの研究だけでなく，適切な使い方を明らかにすることも重要視しています．

SEEDs ネタ：

第一原理に基づいて構築されたシミュレータを活用した学習型プロセス制御に関する基盤研究

•  FY2026~2029注力課題：複数の方策の分担により動的な環境に対応可能なプロセス制御法の構築

• 模倣学習方策や強化学習方策から作業手順抽出 (説明可能AI技術の活用)

NEEDs ネタ：

• • FY2026~2027注力課題：電炉製鋼の安定運用へ向けた強化学習によるプロセス制御法の開発 

過去の研究：
学部4年から博士後期課程では，非線形システム向けのモデルフリー深層強化学習の応用研究を行っていました．詳しくは，こちらをご覧ください．また，博士論文については，こちらをご覧ください．