清水 悠生/Yuki Shimizu (@YuYuMoYuYu) header
清水 悠生/Yuki Shimizu (@YuYuMoYuYu) profile picture

博士(工学) 株式会社MotorAI 代表取締役/立命館大学 准教授 モータ・パワエレ分野の機械学習応用の研究をしています。会社⇒https://teapaw.org/t.co/0WxoPlZH9k 個人成果など⇒https://teapaw.org/t.co/ULpPD8n0Sm

Joined January 2017
Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)Photo by 清水 悠生/Yuki Shimizu (@YuYuMoYuYu)
部品配置・配線幅・層数が固定されたPCBを対象に、LLMと既存の配線アルゴリズムを組み合わせた自動配線エージェントを提案した論文。最小全域木で初期計画を生成し、KiCadのPNSルーターやA*で詳細配線を実行。失敗時にはLLMが配線順序・経路・層遷移を再計画。 arxiv.org/abs/2611.08175
1
8
55
2,365
既存技術の組み合わせが中心だが、スコープと貢献が明確で、アブレーションによる検証も十分。一方、接続性・DRCを中心とした幾何学的な配線最適化にとどまり、Hot Loopインダクタンスや電流密度、EMIなどの物理性能は考慮されていない。
1
1
232
今後は電磁界解析との連携に加え、解析結果を配線経路・銅箔幅・層構成などへフィードバックする自律的な物理最適設計への発展が重要か。
2
163
トルク・リプル・鉄損の目標値から、IPMSMのロータ形状を直接生成する条件付きGANを提案した論文。4種類のロータトポロジーを対象に、40,000件のFEM解析データを学習し、事前学習したCNNによる性能予測器をcGANの損失関数に組み込み、要求性能に近い形状を直接生成。ieeexplore.ieee.org/document…
1
1
6
535
コメント。ご丁寧に私のドクター時代の論文を最も近い先行研究として明記してくれている。本研究の新規性は、性能要求からの直接的な逆設計により最適化探索を省略できる点。ただし従来研究同様、大量のFEM学習データに依存しており、学習範囲外の要求性能への外挿性能は依然として課題。
1
1
147
生成画像をCNNで幾何パラメータに再変換しているが、既知のパラメトリック形状なのでルールベースでできるのでは、と思う。既知の設計空間内における高速な逆設計手法というユースケースにニーズがあるなら有効か。
72
音響メタマテリアルの固有値解析に対して、波数ベクトル・固有モード番号の条件付き形状情報から、固有振動数とBloch変位場を直接予測するFourier Neural Operator(FNO)を提案した論文。 arxiv.org/abs/2609.08102v1
1
249
コメント。Neural Operatorの構造自体を大きく変更するのではなく、入力情報の符号化方法をFNOの空間領域・周波数領域の処理特性に適合させることで、通常は一意な入出力関係を仮定するOperator Learningを、複数の固有モードを持つ固有値問題へ拡張した点が特徴的。
1
72
特に、waveletによる符号化の有効性を単なる精度比較だけでなく、FNO内部の周波数領域での情報伝達という観点から説明している。学習対象は限定的なので、汎化性能やスケーラビリティが気になるところ。
67
アナログ回路のトポロジー自動設計において、SPICEネットリストそのものを遺伝子として交叉・突然変異・簡略化により進化させるSPICEMixerに、LLMによる候補生成手法を追加したLLM-SPICEMixerを提案した論文。 arxiv.org/abs/2608.23317
1
2
9
941
LLM onlyの手法に対して最適化性能を改善。 --- コメント。GAの交叉や突然変異と同じ候補生成手法の一つとしてLLMを時々挿入するというアイデアは非常に面白い。ただし本論文では、なぜかIris分類という伝統的な機械学習問題を対象としており、通常の多目的多制約の回路設計でも同様の効果が
1
103
得られるかは未検証。特に、通常の工学設計ではLLMが生成できる構造変更のアイデアが早期に飽和する可能性もあり、どのような設計問題でLLMによる候補生成が通常の突然変異・交叉より有効になるかは追加検証が必要。
74
3次元空中電磁探査のベイズ逆解析において、計算ボトルネックとなるMaxwell方程式ベースの順解析をNeural Operatorで置換し、さらに異なる地質priorを逐次学習できる継続学習型サロゲートを提案した論文。 arxiv.org/abs/2608.25932
2
3
379
適用対象が変化するたびに学習データ生成・再学習が必要となり、実運用上の手間やコストが課題となるが、本手法は新しい入力分布を既存モデルへ順次取り込み、過去の適用領域を維持しながら1つのサロゲートを拡張していくため、工学的な意義が大きい。
1
71
ただし、モデル適用範囲拡張性の飽和に関しては強いlimitationが残存し、追加学習を繰り返すと「知らないことを知らない」と検知する能力が落ちることが示唆されており、今後のさらなる検証が必要。
62