| メール | kodaira.daisuke.gf@u.tsukuba.ac.jp |
|---|
| 名前 | 小平 大輔 |
|---|
| 所属（教員組織）※学生は指導教員の所属を選択 /Affiliation (Faculty/Organization) | システム情報系/Faculty of Engineering, Information and Systems |
|---|
| 専門分野/ Research Field | 電力システム工学 |
|---|
| 以下の項目から選んでください。 Please select from the options below. | 教員・研究員/ Faculty Member / Researcher |
|---|
| 職位 Position | 助教 |
|---|
| 2－1研究へのAIの活用経験と意識（当てはまるものを選んでください）/Experience with and Perceptions of AI Utilization in Research | AIそのものやAIの高度化を研究している/I conduct research on AI itself or on the advancement of AI technologies. |
|---|
| 5-1 専門分野（複数選択可）Classification of AI Research | 機械学習 Machine Learning;エージェント Agents;AI応用 AI Applications; |
|---|
| 5-2 現在の主要研究テーマをご記入ください。 （1テーマにつき100〜300字程度） Please describe your current main research theme(s). | ① 多数エージェントのAI協調制御理論の構築
電気自動車や蓄電池など多数の分散システムを、単一の最適化問題としてではなく「多数エージェントの協調制御問題」として定式化し、強化学習により制御ポリシーを獲得する研究を行っている。高次元・非線形・非定常環境下でのリアルタイム意思決定という課題に対し、データ駆動型制御則を構築する点で、ロボティクスや自律分散システムとも共通する基盤技術研究である。
② 極端事象の確率モデリングとリスク最適化
稀に発生する極端事象（ピーク需要など）に対して、極値統計と機械学習を統合した確率モデリング手法を研究している。単なる点予測ではなく、分布推定に基づくリスク制約付き最適化を行うことで、意思決定の頑健性を向上させる。これは、材料強度の破壊確率評価や構造物の信頼性設計とも共通する「確率設計科学」の拡張として位置づけられる。
③ 物理モデルとニューラルネットワークのハイブリッド同定
従来の微分方程式ベースの物理モデルに、ニューラルネットワークによる補正項や縮約モデルを組み合わせたハイブリッドモデリング手法を開発している。物理的整合性を担保しつつ、未知パラメータ推定や高速近似を実現する点で、流体解析、材料モデリング、制御工学など広範な工学分野に共通するAI for Science型アプローチである。 |
|---|