研究テーマ 01
通信・制御協調設計
制御の緊急度、不確実性、リスクに応じて、無線通信・計算・制御の意思決定を統合的に最適化します。
MPCResource AllocationWireless
RESEARCH AGENDA
研究
私の研究は、通信・計算・エネルギー・時間がすべて制約される状況でも、自律ネットワークシステムが信頼性の高い、安全かつ効率的な意思決定を行うにはどうすべきか、という問いを中心にしています。
01 / VISION
研究ビジョン
通信、制御、最適化、学習、セキュリティを個別の層ではなく、一つの意思決定システムを構成する相互依存要素として扱います。各層を独立に最適化するのではなく、制御に本当に重要な情報は何か、どの計算を実行する価値があるか、不確実性や攻撃下で限られた資源をどう配分すべきかを理解する手法の構築を目指します。
02 / QUESTIONS
中核研究課題
以下の5つの問いは、現在の研究の多くをつなぎ、博士課程における研究の方向性を形作っています。
- Q01
限られた無線資源を、従来の通信指標だけでなく閉ループ制御性能への実際の影響に基づいて割り当てるには、通信と制御をどのように協調設計すべきか？
- Q02
帯域、エネルギー、センシング範囲、計算資源が制約される環境において、複数UAVが安全性とスケーラビリティを保ちながら、センシング・通信・計画・制御をどのように協調できるか？
- Q03
グラフニューラルネットワークや大規模言語モデルなどの学習手法を用いて複雑な最適化を高速化しつつ、実行可能性、安全性、制約充足をどのように保証できるか？
- Q04
DDoS、マルウェア、盗聴、モデル不確実性などが存在する状況でも自律ネットワークシステムの安全性と継続運用を維持するために、通信・制御・資源スケジューリングをどのように統合設計すべきか？
- Q05
通信・計算・エネルギー・時間がすべて限られる状況で、知的システムは「何を送るべきか、何を計算すべきか、どの判断を即時に実行すべきか」をどのように決定すべきか？
03 / INTERACTIVE METHOD
最適化モデルから実運用可能なAIソルバへ
以下のアニメーションは、学習拡張型最適化で繰り返し用いる流れを示します。最適化問題を定式化し、厳密ソルバで専門家解を取得し、ニューラルネットワークで「状態→解」の写像を学習し、予測解を制約に適合するよう修復した後、最適解と比較します。
01
最適化問題を定式化
ネットワーク化システムの課題を、意思決定変数・目的関数・ハード制約へ変換します。
04 / THEMES
研究テーマ
上記の問いを、相互に関連する8つの研究テーマとして展開し、3つの大きなクラスターに整理しています。
自律ネットワークシステム
接続型自律システムの通信・制御・移動・レジリエンス設計。
研究テーマ 02
マルチUAVシステム・自律探索
自律UAV群を対象に、スケーラブルな協調、移動、地図共有、安全性を考慮した計画を研究します。
Multi-UAVMappingTrajectory Planning
研究テーマ 04
サイバーフィジカルセキュリティ・レジリエンス
攻撃、認証オーバーヘッド、ネットワーク不確実性を制御・資源配分問題へ組み込み、接続型自律システムのレジリエントな意思決定を設計します。
DDoSRiskResilience
学習・最適化
学習手法を用いて複雑な最適化・制御意思決定を高速化・構造化します。
研究テーマ 03
学習拡張型最適化
グラフ学習、模倣学習、専門家誘導型予測により、実行可能性を保ちながら難しい組合せ最適化を高速化します。
GNNMILPImitation Learning
研究テーマ 06
LLM誘導型スケジューリング・制御
自然言語によるタスク記述を、サイバーフィジカルシステムのスケジューリング、資源配分、リシーディングホライズン制御へ接続します。
LLMSchedulingReceding-Horizon Control
ネットワーク知能
資源制約下のエッジ知能、セキュア無線システム、軽量センシング。
研究テーマ 05
UAV/IoTエッジコンピューティング・VNFオーケストレーション
エッジネットワークにおけるUAV配置、サービス機能配置、タスクオフローディング、ルーティング、エネルギー制約を統合的に扱います。
Edge ComputingVNFOffloading
研究テーマ 07
セキュア・エネルギー認識型無線IoT
資源制約のあるIoTシステムにおける物理層セキュリティ、エネルギーハーベスティング、太陽光発電ネットワーク、安全なデータ収集を研究します。
Physical-Layer SecurityEnergy HarvestingIoT
研究テーマ 08
インテリジェントセンシング・軽量AI
ウェアラブル・センサ駆動型知能システムに向けて、軽量学習、階層ルーティング、ドメインロバスト推論を研究します。
SensorLLMWearable ComputingLightweight AI
05 / METHODS
方法論ツールボックス
モデルベースの最適化・制御、学習による高速化、ネットワーク化システムのモデリングを組み合わせています。
最適化・制御
- Model Predictive Control (MPC)
- Distributed MPC
- MILP / MINLP
- Risk-Aware & Robust Optimization
- Sample Average Approximation
学習・AI
- Graph Neural Networks
- Imitation Learning
- LLM-Guided Optimization
- DNN Split Inference
- Mixture of Experts
ネットワークシステム
- Multi-UAV Systems
- Edge Computing & VNF
- Physical-Layer Security
- Energy Harvesting
- 3D Gaussian Mapping