東京大学産学連携プロポーザル

Si LSIはこれまで過去40年以上に渡り、集積度が18ヶ月で2倍になるというMooreの法則に従ってチップあたりのトランジスタ数を増大させながら性能の向上を図ってきました。しかし、トランジスタのゲート長は20 nm以下になっており、半導体微細化は物理的限界に近づきつつあります。今後10-20年以内に半導体微細化が完全に終焉を迎え、LSIの性能向上が停滞してしまうと危惧されています。 一方、Internet of Things（IoT）の進展と人工知能（AI）の台頭により、更なるコンピューティング能力の向上が必要とされています。このため、半導体微細化に依らずにLSIの性能向上を可能とする次世代コンピューティングに関する研究が世界中で活発化しています。当研究室では、AI・IoT時代を支える次世代半導体デバイスの研究を進めています。Si CMOSをベースとした技術開発およびSiプラットフォーム上にIII-V族半導体やGe、強誘電体材料を集積したトランジスタの研究をしています。 主な研究テーマ  HfO2系強誘電体ゲート絶縁膜トランジスタと強誘電体メモリ  強誘電体デバイスを用いたリザバーコンピューティング  3次元集積CMOSのための極薄膜III-V-On-Insulator MOSFET  3次元集積CMOSのための極薄膜Ge-On-Insulator MOSFET  量子コンピュータのためのSi CMOSの極低温での動作特性の理解 これらに関し興味ある企業等との様々な情報交換の用意があります。

自動車排ガス浄化触媒に代表されるように、貴金属を用いた環境浄化用触媒は典型的な代表例である。元素戦略的観点からも、貴金属の機能を把握し、代替となる素材により省貴金属触媒を達成することは望ましい。 この研究室では、ゼオライトなど多孔質材料の低濃度物質濃縮作用に着目し、そこに選択性が賦活された機能を触媒活性点と併存することで、貴金属代替触媒となりうることを示した。ゼオライトの中に一酸化窒素NOや炭化水素HCの吸着作用を示す金属イオンを交換担持すると、NO、HCを選択的に濃縮することが可能となり、その後エネルギー印加によって分解や酸化が容易に進行することを示した。通常酸化活性の高くない鉄イオンの酸化還元によって、ミクロ孔内に濃縮された炭化水素を二酸化炭素まで完全酸化させ放出させるスーパーHC改質型トラップ材や、銅ゼオライトを用いたマイクロ波加熱によるNO吸着分解という新しい触媒プロセスの提案に至った。 一方、アンモニアを還元剤としたNO選択還元については、自動車技術研究組合AICEでのプロジェクトによって、産産学学による新規ゼオライト触媒設計研究に従事している。

我々が人やサービス、もの等に対して感じる「魅力」や「共感」に興味がある。なぜ、どのようにその魅力を感じるのかを解析し、魅力度の予測や要因解析、魅力度向上のための仕掛け作りなどを行っている。「刺さる」「映える」「響く」などを工学的に解析・再現したいと考えている。 プレゼン・講義・会見・面接などの解析・評価・改善 広告・CM動画の印象解析・効果予測・デザイン支援 SNSにおける人気度予測と人気獲得支援 インスタグラマー・Youtuberの分析・推薦 消費動向解析 (ブランド間距離、潜在顧客検出) マッチング・推薦 (婚活、人事、ファッション) 魅力的な画像編集 (デザイン、インスタ映え) 不動産情報処理 (間取検索、物件の魅力解析、街作り) 画像・映像の品質評価・向上 写真撮影・映像編集支援 AIを用いた効率的・効果的な学習・教育  

近年、IoT(Internet of Things)の活用に関する議論が活発化している。企業の中でも、顧客の購買データの活用による需要予測、生産現場のデータの活用による生産性向上、各部門の情報共有によるサプライチェーンの最適化、AIの導入による低付加価値活動の削減等に、IoT等のITが活用されている。 　しかし、これまでの企業におけるITの活用の議論は、「ITでできること」の把握からはじめて、企業内でその活用方法が議論される傾向にあった。そのため、現在の競争環境において求められる経営体制の把握からはじめて、その実現のためにITをどのように活用するべきかという、経営の視点からからITを見る議論は少なかった。そのため、ITの活用をIT部門に丸投げしてし、IT部門が他部門との関係に悩んでしまうケースや、ITの活用の範囲が各部門の「困り事」の解決にとどまるケースも見られている。 　そこで本研究者は、近年の企業に求められる経営を明確にした上で、その実現のためにどうIoTを活用すべきかを探求している。具体的な研究テーマは以下である。 ①近年の企業に求められる経営像 　まず、近年の企業に求められる経営像の探求を行っている。そのひとつの姿として、本研究ではグローバルな経営環境の変化/変動に対応するために、「様々なところで起こっている事実を迅速かつ正確に把握し、組織メンバーが共有し、解釈し、実行する」という「事実情報ベースのマネジメント（奥・大木、2017年）」に注目している。事実情報とは「企業活動に関連したイベント全て（イベント情報）とそれに関連する情報（背景情報、説明情報）を統合化した情報」のことである。このような事実情報ベースのマネジメントは、現地・現物の観察や、組織メンバーによる多様な解釈を重視してきた日本企業の強みが活かしやすいマネジメントであり、欧米企業との差別化につながりうるマネジメントである。このようなマネジメントの有効性、具体的な姿、適用条件などを、文献調査、事例調査、定量調査から探求している。 ②事実情報ベースのマネジメントを実現するIoTの活用 　次に事実情報ベースのマネジメントを実現するうえで、求められるIoTの仕組みや、それに対応した組織デザインを探求している。例えば、IoTによる事実情報の取得方法（奥、2013年）や、事実情報を様々な階層で議論する場のマネジメント（大木・奥、2017年）などである。実際にIoTをうまく使っている企業や、これから導入しようとしている企業の事例調査から、どのようなIoTの活用方法が望ましいのかを探求している。

本研究室では、様々なデータの統計的分析手法（データサイエンス手法）に関する研究を行っており、特にベイズ統計や状態空間モデルを用いたデータ解析手法の効果的な活用・理論開発およびその実装に取り組んでいる。 態空間モデルとは、観測されているデータに背景に「見えない構造」が隠されていることを想定した分析モデルであり、購買行動における顧客の様々な嗜好、患者ごとに異なる治療効果、物件価格のエリア別の相場感、市場全体の流れや潜在的需要、などの「データからは直接見えないが分析において重要な情報」を自然に扱うことが可能となる。また、上記のような、分析者が直感的に理解しやすい概念をデータ分析に取り入れることで、分析結果を容易に解釈することが可能となる。これは、AIや機械学習の単純な運用では必ずしも達成することができない性質であり、分析結果をもとに政策的・経営的な意思決定を実施していく上での大きな利点となる。 このような分析技術を活用することで、「産」「官」が抱える様々なデータ分析的課題を解決することが可能であると考えている。