9/21（土）13:15-14:30
竹内 一郎
タイトル：科学技術のための機械学習
アブストラクト：科学研究や技術開発の様々な分野において大量かつ多様なデータを収集・蓄積することが容易になった．この膨大なデータを基にAIや機械学習を効果的に活用することにより，研究開発の現場で研究者や技術者が単純作業から解放され，認知能力や身体能力を超えた複雑な課題に取り組むことが可能になり，新たな科学的発見や技術革新が期待される．例えば，研究対象に関する仮説や開発対象の設計案を生成する，仮説や開発製品の性能を事前に予測する，仮説を検証する実験手順や製品を開発する手順を最適化する，実験結果からの知識発見，製造過程からの異常検出を行うといった研究が活発に行われている．本講演では，科学技術のための機械学習アプローチの現状と課題について述べた後，我々のグループが取り組んできた研究例の概要を紹介する．
9/22（日）13:00-14:15
福水 健次
タイトル：幾何学的な表現学習
アブストラクト：深層学習は，データからの知識表現の有効な方法と認識され，人工知能の基礎技術として広く利用されている．一方，伝統的には科学的知識は数学的記述によって知識表現されることが多かった．数学的な知識表現をデータに基づく深層学習とどのように融合させて，より有効な知識表現を獲得していくかは重要な課題であり，本講演では幾何学的な知識を深層学習による表現学習に組み込む研究に関して紹介する．データ空間に群の作用が存在する場合，群の作用が陽にわかっているケースでは，畳み込みニューラルネットワークやその拡張が多く研究されている．講演者らの研究として，群の作用が不明なケースに対しても表現学習を可能とする”Neural Fourier変換”の方法に関して紹介を行う．この方法は群作用に関して同変性を持つようAutoencoderによってデータを潜在空間に写像し，潜在空間では群作用が線形変換となるような表現学習を行う．この方法の有効性を示すとともに，群の表現論を通したFourier変換との関係に関して説明する．
9/23（月）9:00-10:15
佐藤 竜馬
タイトル：研究の進め方
アブストラクト：研究のやり方，論文の書き方について，佐藤がどのようにして進めているか，どのようなことを考えてやっているかを具体的に示しながら，よりよいやり方を考えていきたいと思います．