データから導き出したInsightと多様な分野のデータ利活用ナレッジを駆使して、顧客のデジタルトランスフォーメーションを実現するソリューション創生とそれを支えるAIとアナリティクス技術の研究開発に取り組んでいます。人工知能による予測・判断・最適化・意思決定支援、その応用となる知能情報処理、顧客協創を通じて、技術開発から事業創生をシームレスに行い、AIと人間の共進化による社会イノベーションに貢献します。
機械学習、強化学習、Deep Learning、人流・物流最適化、異常・予兆検知、モデリング・シミュレータ、デジタルツイン、自然科学と機械学習の融合、デジタルトランスフォーメーション、ヒューマンセンシング、分析ナレッジデータベース、ダークデータ分析、ドメイン知識活用機械学習、Knowledge Graph、MLOps、LLMOps
Publishing Academic Papers:
Suemitsu, I., Miyashita, N., Hosoda, J., Shimazu, Y., Nishikawa, T., Izui, K. Integration of sales, inventory, and transportation resource planning by dynamic-demand joint replenishment problem with time-varying costs. Computers & Industrial Engineering, 2024,
https://doi.org/10.1016/j.cie.2024.109922
Abstract:
This paper addresses the joint replenishment problem in the context of sales and operations planning. Unlike traditional ones that assume static demands, unit costs, and transportation capacity, we consider dynamic-deterministic demands from sales plans and time-varying unit costs and transportation capacity to deal with the recent logistics conditions. We then introduce the capacitated dynamic-demand joint replenishment problem with time-varying costs. To efficiently solve this problem, a three-phase approach is proposed: (1) simplifying the problem and determining ideal inventory quantities using mixed integer linear programming, (2) estimating policy variables for each item using the covariance matrix adaptation evolution strategy, and (3) updating the ideal inventory quantities based on evaluated shortages until all demands are satisfied. Our method outperforms conventional approaches with at least 12 times faster solution runtimes in tests with up to 100 items. We also obtain the insight that the cost-efficient replenishment plan changes according to the increase rate of the unit transportation cost.
Suemitsu, I., Bhamgara, H. K., Utsugi, K., Hashizume, J., & Ito, K. (2022). Fast Simulation-based Order Sequence Optimization Assisted by Pre-trained Bayesian Recurrent Neural Network. IEEE Robotics and Automation Letters, 7(3), 1-8.
https://doi.org/10.1109/lra.2022.3185778
Abstract:
This paper presents a fast optimization method for the picking order sequence of automated order picking systems in logistics warehouses. In this order sequencing problem (OSP), the fulfillment sequence of the given picking order set is determined to optimize the performance measures such as makespan and deadlock occurrence. Simulation is generally necessary to evaluate these measures for complex automated systems. However, their order sequence cannot be optimized quickly due to the long calculation time. It may make the system productivity and flexibility lower than expected because its picking schedules cannot be updated frequently. We, therefore, propose a fast optimization method to solve these simulation-based OSPs by taking a pretrained surrogate-assisted optimization approach. Firstly, we utilized a Bayesian recurrent neural network (BRNN) as a surrogate model to accurately learn the relationship between picking order sequence and performances. Secondly, we developed the surrogate-assisted optimization method based on simulated annealing (SA) and BRNN. Numerical experiments show that the surrogate model can evaluate about 10000 times faster than the simulation. The proposed method also obtains an optimized solution 8.9 times faster than simulation-based optimization by the original SA.
Yawata, K., Osakabe, Y., Okuyama, T., & Asahara, A. QUBO-inspired Molecular Fingerprint for Chemical Property Prediction. In 2022 IEEE International Conference on Big Data (Big Data) (pp. 2437-2440). IEEE.
https://doi.org/10.1109/BigData55660.2022.10020236
Abstract:
Molecular fingerprints are widely used for predicting chemical properties, and selecting appropriate fingerprints is important. We generate new fingerprints based on the assumption that a performance of prediction using a more effective fingerprint is better. We generate effective interaction fingerprints that are the product of multiple base fingerprints. It is difficult to evaluate all combinations of interaction fingerprints because of computational limitations. Against this problem, we transform a problem of searching more effective interaction fingerprints into a quadratic unconstrained binary optimization problem. In this study, we found effective interaction fingerprints using QM9 dataset.
Yuji Suwa, Zhiming Gu, Takuya Obata, Shinji Nakagawa, Ryoichi Morishita, Kazuki Sawayama, Takeshi Tsuji, "Accurate determination of the first arrival time of elastic wave traveled through rock sample by machine learning", Journal of Applied Geophysics, Volume 203, (2022), 104688,
Abstract:
To automate time-consuming and experience-based analysis of elastic wave velocities in rock samples, we propose a method of determining the arrival time of experimental waveform data using machine learning. Our model is one-dimensional semantic segmentation based on U-net utilizing ResNet and attention mechanisms. The results demonstrate high accuracy of travel time estimation (0.0125 μs) of two types of waves (P- and S-waves). Our approach can estimate the travel time in any experimental device. This method reduces the interpretation time and human biases in analyzing laboratory data of elastic waves. Therefore, this approach contributes to the efficient evaluation of subsurface structure from seismic properties.
Osakabe, Y.; Asahara, A. MatVAE: Independently Trained Nested Variational Autoencoder for Generating Chemical Structural Formula. AAAI Spring Symposium: MLPS 2021
http://ceur-ws.org/Vol-2964/article_69.pdf
Abstract:
Rapid materials development utilizes deep generative models to suggest candidate compounds with desirable properties before actual experiments. Such models successfully generate novel candidates with improved properties in some cases, but they usually require a large experimental dataset which is difficult to obtain. We propose MatVAE–two nested VAEs independently trained on different datasets. The first VAE, which is trained on a huge open dataset, is a universal generator of chemical structural formulae, and the second VAE, which is trained on a small experimental dataset, learns the structure–property relation. This training framework can be understood as a semi-supervised learning, which is expected to enhance model transferability. We verified that MatVAE generates five times more valid candidate compounds than the conventional un-nested single VAE model.
Kuwamoto, S., Kitano, Y., & Asahara, A. (2020, December). Machine-learning-based People-flow Simulation for Facility Layout Planning. In 2020 IEEE International Conference on Big Data (Big Data) (pp. 1362-1367). IEEE.
DOI: 10.1109/BigData50022.2020.9378304
Abstract:
We present a practical people-flow simulation method for evaluating facility layout plans; and demonstrate its effectiveness in experiments using real people-flow data. To improve the robustness of our previous machine-learning-based method, we use a single model trained from entire trajectory data, considering the negative effect of dividing up the training data. We also introduce feature values that represent positional relations between a pedestrian's destination and obstacles. To evaluate the performance of our method, people-flow data were obtained by using LiDAR sensors in an office before and after its layout was changed. In the experiments, we trained the prediction model from only the data before the layout change and found that the people-flow simulation was accurate even after the layout change. We also confirmed that our method outperformed the existing ones. As a result, it was confirmed that our people-flow simulation method can be used to evaluate facility layout plans.
Building Relationships:
記事：世界中のダークデータを抽出せよ。日立製作所 × スタンフォード大学の北米戦略について聞いてみた Qiita×Hitachi特設ページ
https://zine.qiita.com/interview/202109-hitachi/
日立製作所は2021年6月に「データ抽出ソリューション」を事業化。これは、企業の中で日々収集・蓄積されていくデータのうち、活用されていない、もしくは活用されているが手間がかかって活用効率が悪いデータ、いわゆる「ダークデータ」を抽出し、デジタル資産として有効活用できるようにするソリューションである。米国スタンフォード大学の企業参画プログラムで開発されたAIを中核としたエンジンを活用し、非定型ドキュメントであっても必要な文字情報等を抽出してデジタルデータ化する。具体的にどのような技術を用いており、また中長期的にどのような事業構想を描いているのか、日立製作所・日立アメリカ・日立ヴァンタラの3社にてデータ抽出ソリューションの企画・開発に携わっている3名が解説する。
記事：日立のマテリアルズ・インフォマティクスを支える若手データサイエンティスト・研究者3名が語る、世の中の理(ことわり)への探究談義120分 Qiita×Hitachi特設ページ
https://zine.qiita.com/interview/202103-hitachi-2/
日本のモノづくり産業の要のひとつともいえる「材料・素材」開発分野におけるDXを実現するマテリアルズ・インフォマティクスをメインテーマとして、若手データサイエンティスト・研究者3名が、各々が進める研究領域の視点から、日立ではどのような思考・アセットでどのようなプロジェクトを進めているのかを語る。
Y. Yajima et. al., "Knowledge graph data analysis for organizational intelligence to support continuous business improvement", Connected Datan London 2024
淺原彰規 他：大規模言語モデルにもとづく発想支援システムのための分野横断検索を用いた単語選択方式の提案、FIT2024
Y. Ching-Man et. al., "TREE-BASED APPROACH FOR VEGETATION MONITORING AND RISK ASSESSMENT ALONG POWERLINE USING HIGH RESOLUTION SATELLITE IMAGE", IGARSS 2024
I. Suemitsu, T. Kouno, J. Tsunoda, and K. Kumano, "Quantitative evaluation method for regional variations in electricity supply-demand balance fluctuation by weather forecast error", EU-PVSEC 2024 proceedings, 2024.
森長 大貴他： アニーリングマシンによるグラフニューラルネットワークの精度改善, 2024年度 人工知能学会全国大会（第38回）, 2024
淺原 彰規 他： 粒子線小角散乱実験の自動逆推定のロバスト化にむけた変分ベイズ法にもとづく粒径分布推定方式の提案, 2024年度 人工知能学会全国大会（第38回）, 2024
井島 大弥 他： Variational Auto Encoderを用いた変異タンパク質アミノ酸配列の生成, 2024年度 人工知能学会全国大会（第38回）, 2024
山口 悟史, 上杉 貴久, 楠田 尚史, 石川 智優, 籾山 嵩, 大前 将之: ダム運用シミュレーションを用いた発電量増加の定量評価, 水文・水資源学会研究発表会要旨集, 2024.
高瀬 諒一他： タンパク質言語モデルの強化学習における報酬関数の評価, 2024年度 人工知能学会全国大会（第38回）, 2024
Aghajohari, M., Cooijmans, T., Duque, J. A., Akatsuka, S., Courville, A.,
Best Response Shaping, Reinforcement Learning Conference (RLC), Amherst Massachusetts, August 9-12, 2024. (First Author は共研先の学生です。不要なら削除ください)
https://rlj.cs.umass.edu/2024/papers/Paper108.html
福島卓弥 他: 鉄道運転整理における強化学習を用いたリスケジューリングの検討, 情報科学技術フォーラム (FIT2023), 2023
犬塚翔太 他: マルチエージェント強化学習による多主体調停技術, 情報科学技術フォーラム (FIT2023), 2023
森長大貴 他: アニーリングマシンを利用したグラフニューラルネットワークによる高精度な分子特性予測, マルチメディア，分散，協調とモバイルシンポジウムDICOMO 2023論文集, 125-130
鍬本賢志 他: 駅設備の高度化を支援する3D仮想空間上の人流計測シミュレータの開発と，適正なセンサ配置条件の検証、J-RAIL2023
我妻正太郎, 竹内理: 化学系特許中の表及びテキストからの材料知識データ抽出, 日本コンピュータ化学会誌, 22巻2号, 2023
中川慎二 他；データ駆動制御FRITを応用した制御対象の特性変化の実用的検出方式とその小型加熱器への適用結果の考察, 日本機械学会論文集, 89 巻 925 号, p. 22-00063, 2023
山口悟史, 川島洋平, 楠田尚史: ウェブブラウザから利用可能な水害シミュレーションシステムFloodSの構築, 水文・水資源学会研究発表会要旨集, 2023.
Shunichi Akatsuka, Yaemi Teramoto and Aaron Courville. Managing multiple agents by automatically adjusting incentives, the 2nd International Workshop on Democracy and AI, Macao, S.A.R, 2023, Best Presentation Award
Akatsuka, S., Serita, S., Kujirai, T. (2024) Optimizing Re-scheduling with Fast-Adapting Networked Multi-agent Reinforcement Learning. In: Developments and Applications in SmartRail, Traffic, and Transportation Engineering. ICSTTE 2023. Lecture Notes in Electrical Engineering, vol 1209. Springer, Singapore.
https://link.springer.com/chapter/10.1007/978-981-97-3682-9_10
山口悟史, 楠田尚史: ダム放流計画の自動作成ソフトウェアの開発と評価, 令和4年度土木学会全国大会年次学術講演会, 2022
松本茂紀 他：データサイエンティスト活動を高付加価値化するフレームワーク，電子情報通信学会誌, 105巻 10号p. 1235-1240, 2022年10月
我妻正太郎 他: 保守文書に記載される故障表現間の関係性抽出技術の開発, 情報処理学会 第21回情報科学技術フォーラム(FIT2022), 2022
武藤和夫 他: トピックモデルを用いた保全記録の分類, 2022年度 人工知能学会全国大会（第36回）, 2022
露木雅文 他: 家庭向け電力の非侵入型負荷モニタリングにおける電力分離モデルの別季節・場所への転用可能性の検討, 2022年度 人工知能学会全国大会（第36回）, 2022
鍬本賢志, 北野佑. (2022). 人流計測データを活用した商業施設内の店舗立ち寄り人数予測. 第21回情報科学技術フォーラム（FIT2022）, 2022年9月
半田岳志, 北野佑. (2022). 行列を考慮したデータ駆動型人流シミュレーション. マルチメディア, 分散, 協調とモバイル DICOMO 2022 シンポジウム 論文集, 614-621
北野佑, 半田岳志. (2022). データ駆動型人流シミュレーションのモデル汎化手法の検討. マルチメディア, 分散, 協調とモバイル DICOMO 2022 シンポジウム 論文集, 606-613. 優秀論文賞受賞
諏訪雄二, 中川慎二 他: (2022). 機械学習による弾性波速度測定実験の自動解析技術. 電子情報通信学会論文誌D,No.1,pp.52-59
Teruya, Eri, et al. "ARTS: autonomous research topic selection system using word embeddings and network analysis." Machine Learning: Science and Technology 3.2 (2022): 025005.
https://doi.org/10.1088/2632-2153/ac61eb
I. Suemitsu, H. K. Bhamgara, K. Utsugi, J. Hashizume, and K. Ito, "Fast Simulation-based Order Sequence Optimization Assisted by Pre-trained Bayesian Recurrent Neural Network", IEEE International Conference on Automation Science and Engineering (CASE) 2022, Mexico, Best conference and application paper award finalists
高重聡一 他: 時系列データを用いた異常予兆検知におけるMLOpsの事例紹介, 映像情報メディア学会冬季大会, 2021
濱本敬大 他，"複数顧客に向けた共通の予測モデルの精度向上手法の検討", 第20回情報科学技術フォーラム（FIT2021）,2021年8月.
我妻正太郎 他，"自動作成された類義語抽出ルールによる類義語抽出精度向上手法", 第20回情報科学技術フォーラム（FIT2021）,2021年8月
照屋絵理 他，"新素材研究開発分野における文献からの研究支援情報抽出技術の提案", 第20回情報科学技術フォーラム（FIT2021）,2021年8月
山城昌雄 他(2021). 機械学習を用いた輸送障害時の旅客流動予測モデルの開発、鉄道技術・政策連合シンポジウム (J-RAIL2021).
北野佑, 鍬本賢志, & 淺原彰規. (2021). データ駆動型人流シミュレーション. 電子情報通信学会誌= The journal of the Institute of Electronics, Information and Communication Engineers, 104(9), 970-974.
宮田康志 他, "ストリームデータのConcept Drift検出によるDBSCANクラスタ補正", 電気学会論文誌Ｃ（電子・情報・システム部門誌）2020 年 140 巻 8 号 p. 949-955,
https://doi.org/10.1541/ieejeiss.140.949
Miyata, Yasushi, et.al. "Concept drift detection on data stream for revising DBSCAN cluster." Proceedings of the 10th International Conference on Web Intelligence, Mining and Semantics. June 2020, Pages 104–110,
https://doi.org/10.1145/3405962.3405990
鍬本賢志, 北野佑, & 淺原彰規. (2020, August). レイアウト変更対応型人流シミュレーション. In IEICE Conferences Archives. The Institute of Electronics, Information and Communication Engineers.
AIKOH, Kazuhide, et.al. Data Profiling Method for Metadata Management. In: 2020 IEEE 7th International Conference on Data Science and Advanced Analytics (DSAA). IEEE, 2020. p. 779-780.
https://doi.org/10.1109/DSAA49011.2020.00113
Vegetation Manager: Manage tree growth before they cause power outages
https://www.hitachienergy.com/jp/ja/products-and-solutions/asset-and-work-management/lumada-fsm/vegetation-manager
Abstract:
Utilities understand the importance of vegetation management to grid reliability and long-term resilience—but it’s an expensive, complex, and tedious process. Without the right data, you can’t plan; without planning, you can’t prioritize; without prioritizing, critical issues go unresolved, and a hazard tree takes down part of your grid. Be proactive with prevention.
ニュースリリース 2024年10月28日
秋田県から河川水位や洪水を24時間連続リアルタイムで予測するシステムを受注
https://www.hitachi.co.jp/New/cnews/month/2024/10/1028a.html
ニュースリリース 2024年1月4日
「逃げ遅れゼロ」「命を守る行動」への貢献をめざした「流域治水 浸水被害予測システム」が「2023年日経優秀製品・サービス賞 日経産業新聞賞」を受賞
https://www.hitachi.co.jp/information/info/20240104.html
ニュースリリース 2023年11月30日
環境省の開発途上国向けWebサービス「FloodS」を構築
https://www.hitachi.co.jp/New/cnews/month/2023/11/1130.html
ニュースリリース 2023年5月25日
青森県向けに「流域治水 浸水被害予測システム」を初納入、運用開始
https://www.hitachi.co.jp/New/cnews/month/2023/05/0525a.html
ニュースリリース 2022年12月16日
疑似量子の活用で従来のMIによる材料開発期間をさらに20%短縮できることを実証
https://www.hitachi.co.jp/New/cnews/month/2022/12/1216.html
ニュースリリース 2022年9月20日
積水化学と日立、材料開発におけるMI推進に向け、先進デジタル技術を用いた協創を開始
https://www.hitachi.co.jp/New/cnews/month/2022/09/0920.html
ニュースリリース 2022年12月19日
日立と山形県東根市、洪水予測に関する共同研究で有効性を確認
https://www.hitachi.co.jp/New/cnews/month/2022/12/1219a.html
ニュースリリース 2022年1月19日
日立パワーソリューションズが、機械学習技術を用いたデータ分析とナレッジのデジタル化で社会インフラ設備の運用と保守の最適化を実現する新サービスを提供
https://www.hitachi.co.jp/New/cnews/month/2022/01/0119.html
ニュースリリース 2021年6月23日
企業内の「ダークデータ」に着目した「データ抽出ソリューション」を提供開始
米国発のAIを活用し、非定型ドキュメントからのデータの効率的な抽出と有効活用を支援
https://www.hitachi.co.jp/New/cnews/month/2021/06/0623a.html
ニュースリリース 2021年6月14日
地域密着型ショッピングモール施設の運営を効率化し、集客力アップに貢献するサイバーフィジカルシステム(CPS)を試作
https://www.hitachi.co.jp/rd/news/topics/2021/0614_nonowa_poc.html
人の動きに連動した空間演出でフィジカル・ディスタンシングを誘発する技術 - 日立
https://www.youtube.com/watch?v=gKUQjnuOtbg
人の歩行に連動する空間演出の楽しさでフィジカル・ディスタンシングを誘発するシステムを開発
https://www.hitachi.co.jp/rd/news/topics/2020/0923.html
"AI for Powering Good" – A joint workshop by Hitachi & Mila
https://www.hitachi.com/rd/sc/aiblog/011/index.html
Abstract:
In October 2019, the "AI for Powering Good" workshop was organized as part of a research collaboration project which has been going on between Mila (Montreal Institute for Learning Algorithms) and Hitachi since spring 2019. The workshop was an idea to bring the researchers from both Hitachi and Mila to meet each other and to share and exchange knowledge as networking is a key element for successful collaboration.
ニュースリリース 2020年7月20日
帝人の新素材の研究開発におけるDX推進に向けて協創を開始
先進のデジタル技術を用いて社内外のデータ利活用を加速し、帝人の新素材の研究開発におけるさらなる高度化・効率化を実現
https://www.hitachi.co.jp/New/cnews/month/2020/07/0720.html
ニュースリリース 2019年1月29日
住信SBIネット銀行と日立、AI審査サービスを提供する合弁会社設立に向けた基本合意書を締結
地域創生に向け2019年10月に複数金融機関向けサービス開始を予定
https://www.hitachi.co.jp/New/cnews/month/2019/01/0129.html
