技術

ガウス過程に基づくトンプソン抽出（GP-TS）に対してリグレットの理論解析を行い、ある確率で多項式的に増大するリグレットの下界を構成することで、高確率での性能保証において対数的な依存性が一般には達成できないことを示しました。さらに、累積リグレットの二次モーメントに基づく上界や、許容誤差を導入したリグレットの期待値に関する上界を導出するとともに、Matérnカーネルに関する条件を緩和した形で累積リグレットのタイトな上界を与え、GP-TSの理論的保証を多面的に強化しました。

バイオ燃料の元素分析（CHON）は、燃焼品質や環境負荷の評価に不可欠ですが、従来の破壊的かつ時間のかかる手法が迅速なスクリーニングの妨げとなっていました。本研究では、FTIRスペクトルを2次元構造に変換するAggMapとハイブリッドCNNを組み合わせた、非破壊かつ高速な予測フレームワークを開発しました。これにより、元素組成と総発熱量（HHV）の両面で高い予測精度を達成し、実験室レベルでの即時的な燃料評価を可能にしました。

従来のピーク検出はスペクトルの種類ごとに専門家による手動のパラメータ調整が必要であり、高スループット分析において大きな課題でした。本研究では、スペクトル特徴量から最適な検出パラメータを自動予測する手法を開発し多様なスペクトルを対象とした検証で高い精度を達成しました。また、良好な検出結果を得られる「有効パラメータ空間」がスペクトル特性に応じて変動することを解明し、予測値がこの空間内に収まることで、複雑な波形でも一貫して高精度な自動検出が可能であることを示しました。

従来のガスセンサーは、ガスクロマトグラフィー質量分析（GC-MS）のような詳細な分子情報の抽出が困難で、データの解釈性が低い「ブラックボックス」性が課題でした。これに対し、主成分分析（PCA）で圧縮したGC-MSデータとQCMセンサーの時系列信号を1D-CNNで相関させる手法を開発し、センサー信号から化学的に解釈可能な2D質量分析マップを高精度に再構成することに成功しました。

独自の係数ベースによるマスキング処理を導入することで、実験データの品質を向上させ、目的収量の最適化を実現する堅牢なアプローチの有効性を実証しました。

材料データ基盤の重要性に着目し、データ品質評価から特徴量選択、最適化までを統合したマテリアルズ・インフォマティクスのプロセスを提案しました。独自指標によるデータ品質管理や回帰精度に基づくデータ選別、特徴量の寄与に応じた最適化手法を通じて、材料探索の性能向上とプロセスの標準化の可能性を示しています。

人の皮膚や呼気に含まれるにおい成分（VOC）を利用した個人認証技術について整理したレビュー論文です。化学的特徴に基づく識別の可能性に加え、著者らによるセンサーアレイや湿度対策技術などの研究成果も踏まえ、計測手法と実用化に向けた課題を体系的にまとめています。

現実の最適化問題では、観測に失敗する可能性を伴うブラックボックス最適化がしばしば求められます。本研究では、このような状況に対応するため、Failure-aware Gaussian Process UCB (F-GP-UCB) を提案しました。本手法は「最適解が可行領域の内部にある」という前提で成立し、成功観測数が線形的に増加することを理論的に示しました。これにより、初めてのリグレット境界を導出し、材料合成実験を模したシミュレーションを含む複数のベンチマークで有効性を確認しました。

実世界の最適化では、環境要因に起因するランダム性を含む中で、最大の成果を得ることが重要です。本研究では、固定予算内で最良の結果を得るためのリスク追求型最適化問題を定式化しました。環境変数が観測可能な場合と不可能な場合の二つの設定を考慮し、新しい手法 Kernel Explore-Then-Commit (Kernel-ETC) を提案しました。理論的なリグレット境界を提示するとともに、ハイパーパラメータチューニングやポリマー合成データに基づく実験で有効性を実証しました。

目的関数の観測が確率的に失敗するベイズ最適化問題を対象としました。この問題に対して、これまでの手法は理論的な保証を持たず、実用上も安定しないことがありました。本研究では、理論的保証を備えた初のno-regretアルゴリズムと、実用性能に優れた手法の二つを提案しました。後者についても調整を行うことで理論的保証を確保できることを示しています。準結晶合成を模したシミュレーションを含む実験により、両手法の有効性を検証しました。