2021年1月28日、本学 大学院電気情報工学専攻博士後期課程2年の小澤和也さん（岡崎研究室）が、一般社団法人電子情報通信学会の回路とシステム研究会（CAS）において、学生優秀賞を受賞しました。

同賞は同学会が主催する研究会において、優れた研究発表を行った学生に授与されるもので、小澤さんは、2020年6月18日にオンライン開催された研究会で発表した「LSTMニューラルネットワークを用いた常微分方程式の数値的近似解について」が高い評価を受けての受賞となりました。

小澤さんは今回受賞した研究について、以下の通り説明と感想を寄せてくれました。

近年、深層学習は、さまざまなところに活用されており、深層学習の中でも多くのニューラルネットワークモデルが考案されてきました。

今回はその中でも、LSTMと呼ばれる時系列データを扱うのに適したニューラルネットワークモデルを用いて、パラメータを含むコルピッツ発振回路の周期的な振舞いを学習させ、コルピッツ発振回路の常微分方程式を例として、その数値的近似解を調査し、一般的な常微分方程式の近似解をLSTMで近似する方法を確立するための道筋を得ることを目的とし研究を行いました。

コルピッツ発振回路は、高い周波数の発振を安定的に行う回路で、高速通信に必要な高周波や高速なコンピュータのクロック信号を与える重要な回路となっています。
その重要なコルピッツ回路の回路パラメータに依存する周期的な振る舞いを、LSTMで高精度で近似させることができれば、回路パラメータによる解の振る舞いの解明と、回路の仕様設計の時間節約ができます。
また、この研究は、理工学の諸問題を記述する常微分方程式のパラメータによる解の振る舞いの解明をもたらす基礎的な研究であり、ドローン・ロボット設計・制御、医薬品開発、CPUなどの回路設計などをイノベーションへと導くことが期待されるので、更なる研究に努めていきたいと思います。