留学攻略

课程推荐
了解更多

理工科研究动态 | 本期院校:大阪大学、京都大学、九州大学...

发布时间: 2023年08月17日    作者:致远尚升

致远理工科学术头条分享:
每周四为你精选、总结近两周日本院校、教授、研究室有关计算机、电子电气、机械学等专业的精选新闻,带你把握各院校研究室的前沿动态,帮助大家更好完成研究计划书以及把握备考方向~
由于关注方向有限,难免存在疏漏,欢迎留言补充~



本周院校:

·大阪大学情報科学研究科

·大阪大学工学研究科

·京都大学情報学研究科

·京都大学理学研究科

·名古屋大学工学研究科

·东北大学工学研究科

·东京大学

·成蹊大学

·九州大学



01

大阪大学情報科学研究科

利用光进行组合优化和统计学习的新计算模型--解决大规模实际问题的空间光学测量机的实现途径


大阪大学情報科学研究科鈴木秀幸教授和谷田純教授组成的研究小组提出了一种新的计算模型,该模型极大地扩展了利用光解决组合优化问题的空间光模型机的应用范围。


空间光学模型机的突出特点是能够利用光的并行性高速高效地处理超过10000个变量的大规模组合优化问题。然而,到目前为止,它能够处理的问题受到了严格的限制,这一直是其应用于实际问题的一个主要问题。


这次,研究小组解决了这个问题,并提出了一种计算模型,极大地扩展了空间光模型机可以处理的组合优化问题的范围。利用这种计算模型,不仅可以高效地处理由于光的特性而产生的大规模、全连接的问题,而且还具有高效的独特特性,尤其是对于低秩特性的问题。


还表明这种计算模型不仅可以应用于组合优化,还可以应用于统计学习。这些研究成果为实现新型光计算技术解决大规模组合优化和统计学习的实际问题铺平了道路,通过其应用有望为更有效的能源利用和实现碳中和做出贡献。


这项研究的结果于8月7日星期一(东部标准时间)发表在美国物理学会的《物理评论快报》杂志上。


https://resou.osaka-u.ac.jp/ja/research/2023/20230808_1




02

大阪大学工学研究科

东京大学、成蹊大学、九州大学

多施工机器人动态协同系统自动土砂运输作业公开示范实验


由东京大学、成蹊大学、九州大学、土木研究所、大阪大学组成的联合团队于2023年8月23日在九州大学(以下简称九州大学)伊东校区的实验场进行了多项实验,将介绍一种基于建筑机器人动态协同系统的输沙算法,并利用多台实际施工机械进行输沙工作的公开演示实验。


此次示范实验将作为内阁府和日本科学技术振兴机构推动的登月研发项目目标三“自主学习和行动并与人共存的人工智能机器人”的一部分进行。


该项目正在开发“适应各种环境、创新基础设施建设的协作型AI机器人”,永谷圭司氏(东京大学工学研究科特聘教授)担任项目指挥。


此次演示实验获得的见解和结果预计将为小型建筑机器人基础设施建设技术的未来进步做出重要贡献。因此,可以将其应用于灾害应对措施和实现自动化建筑工作,有望开辟该领域的未来。


通过此次示范实验,联合团队旨在实现更安全、更高效的基础设施建设,也希望这一举措能够为社会机器人技术的进一步发展做出贡献。


https://resou.osaka-u.ac.jp/ja/research/2023/20230808_2




03

京都大学情報学研究科

开发了预测拥堵时间的时空AI“QTNN” -在东京提前1小时预测拥堵时间,误差达到40m以下


交通拥堵不仅给我们带来日常压力,而且每年给日本造成约10万亿日元的损失,而且是一个还影响温室气体排放的严重问题。为了解决这个问题,预测交通拥堵何时何地发生的人工智能正在引起世界各地的关注。


情報学研究科助理教授竹内孝、鹿島久嗣教授和住友電工系统解决公司的一个研究小组联合开发了一种名为 QTNN(基于队列理论)的新型时空人工智能技术,该技术开发了一个神经网络可以预测未来交通拥堵的位置和长度。


QTNN最大的特点是能够基于交通工程知识来学习拥堵变化与路网之间的关系。在使用警视厅提供的数据对东京 1098 条道路进行的“提前一小时预测交通堵塞长度的实验”中,QTNN 实现了平均误差在 40 m 或更小的高精度预测。


与当前最先进的深度学习方法相比,这一结果成功地将预测误差降低了12.6%。未来计划在部分道路上进行评估测试,验证这项AI技术的可靠性,为在真实环境中全面运行做好准备。


这项研究的结果于2023年8月6日在人工智能(机器学习和数据挖掘)领域的国际会议(第 29 届 ACM SIGKDD 知识发现和数据挖掘会议)上公布。


https://www.kyoto-u.ac.jp/ja/research-news/2023-08-08




04

京都大学理学研究科

观察 Sr2RuO4 中的“松树魔鬼”,发现 67 年前预测的奇怪金属行为


1956年,美国理论物理学家大卫·派恩斯预言了固体中电子的一种奇怪状态。电子通常具有质量和电荷,但派恩斯认为电子可以结合形成无质量、电中性且不与光相互作用的复合粒子。


他将这种新粒子命名为“DEM-on”(魔鬼),是“携带特殊电子运动的粒子”的缩写。然而,这种粒子以前从未被实际观测到。


此次,理学研究科前野悦輝教授和伊利诺伊大学厄巴纳-香槟分校彼得·阿伯蒙特教授领导的研究小组终于在预测67年后发现了“松树恶魔”。使用直接激发物质电子模式的特殊技术,观察到了氧化锶钌的“恶魔”行为。


凝聚态物理学最重要的发现之一是电子在固体中失去了其个体性。电子通过电相互作用结合形成集体单元。


如果有足够的能量,电子甚至可以形成新的复合粒子,称为“等离激元”,其电荷和质量由它们的电相互作用决定。然而,质量通常很大,以至于不能在室温下以自然热激发的方式产生等离子体激元。


派恩斯预测当固体中的电子具有多个能带时,就像在许多金属中一样,各自的等离子体激元以异相模式结合,产生新的无质量和中性等离子体激元“恶魔”。他说由于“恶魔”没有质量,它们可以在任何能量下形成,并且可以在任何温度下通过热激发而存在。


由此推测,“魔鬼”对具有多个电子能带的多能带金属的行为具有重要影响。“恶魔”是电中性的,因此在标准材料实验中可能不会留下任何痕迹。


该研究小组利用我校生长的锶钌氧化物Sr2RuO4晶体,通过动量分辨电子能量损失光谱(M-EELS)观察到了一种新的激发模式。


与众所周知的等离子体激元不同,它是长波长且无间隙的,可以解释为“松树恶魔”,它会振荡带之间的电子占据数量而不是电子密度。这是该模式的第一份观测报告,派恩斯在 1956 年将其称为“DEM-on”(恶魔),负责离散电子运动。


该研究成果于2023年8月10日在线发表在国际学术期刊《自然》上。


https://www.kyoto-u.ac.jp/ja/research-news/2023-08-10




05

名古屋大学工学研究科

东北大学工学研究科

用X射线显微镜可视化“整个”薄膜型全固态电池--全面了解电池反应和劣化行为有助于性能提高


全固态电池,其中电解质从液体变成固体,作为下一代二次电池而受到关注,因为它们可以在高温、高压等极端环境下安全使用,而不必担心因燃烧而起火或液体泄漏。


然而,实际使用中仍存在一些问题,例如电极/固体电解质界面处的界面电阻较高以及由于重复使用而出现裂纹等。使用电子显微镜进行局部高空间分辨率观察的报道很多,但很难通过一次测量实验进行分析。


东海国立大学名古屋大学工学研究科入山恭寿教授、东北大学国际同步辐射创新与智能研究中心石石黒志助理教授、高橋幸生教授、大学院生戸塚務 东北大学工学博士(当时)和大学院生上松英司、精细陶瓷中心首席研究员山本和生、日本同步辐射研究中心首席研究员関澤央輝,以及大型研究人员同步加速器辐射装置“SPring-8”。


全视场成像透射X射线显微镜-X射线吸收精细结构(TXM-XAFS)测量的空间分辨率和视场尺寸和薄膜全固态电池的横截面尺度兼容,首次成功在同一视场内可视化正极、电解质和负极层在充电和放电过程中整个化学状态变化。


通过电子显微镜、X射线叠层照相术等高空间分辨率显微光谱测量、TXM-XAFS法等广域测量,对整个电池进行详细而全面的观察,伴随充放电的化学状态的变化通过加深对电池寿命和劣化的了解,预计这将有助于提高电池性能。


该研究成果于2023年8月1日发表在美国化学会出版的材料科学期刊《ACS Applied Energy Materials》网络版上。


https://www.nagoya-u.ac.jp/researchinfo/result/2023/08/post-544.html



以上就是今天给大家整理翻译的在8月1日-8月10日期间的日本理工研究相关新闻动态,希望可以帮助小伙伴们快速了解日本理工研究的最新动态,我们下期见!

联系我们

contact