脳に存在する神経細胞は、互いに繋がり回路を作っています。1つ1つの細胞が発する電気信号は、その回路を通じて他の細胞に送られています。私たちは日々の経験を記憶できますが、これは経験が脳の回路に書き込まれ、神経細胞の信号のやり取りが変化した結果だと考えられています。そのため、神経細胞の信号のやり取りの変化の仕組みを明らかにすることが、脳の情報処理の解明につながります。そこで、人工的に回路を作り、その信号のやり取りを調べるコンピュータシミュレーションを用いた研究を行っています。また、研究で得られた知見の応用として、脳の情報処理をヒントに作られたニューラルネットワーク技術の改良や人工衛星画像からの災害検出などリモートセンシング分野における技術開発にも取り組んでいます。最終的には、脳と同じ情報処理（脳型情報処理）を行えるコンピュータを実現し、様々な分野での社会課題の解決に貢献したいと考えています。

2種類の神経細胞（赤と青）をドーナッツ状に配置して作成した人工的な回路例。丸と線はそれぞれ神経細胞と神経細胞同士の一部の繋がりを表しています。

半教師あり学習という手法は、AIの性能を向上させるために、少量のラベル付きデータと比較的多くのラベルなしデータを組み合わせて使用する手法です。 その中でも、疑似ラベリングという手法は、ラベル付けされていないデータに対して、専門家だけに頼らず、機械により自動的にラベル付けを行う手法です。 具体的には、まず少量のラベル付きデータでモデルを学習し、次にそのモデルを使ってラベルな無しデータに疑似ラベルを付与します。 最後に、疑似ラベル付きデータを元のラベル付きデータセットに追加し、新たに作成したデータセットでモデルを再度学習します。 この方法は、衛星画像解析のように広範囲にわたるデータを扱う際に特に効果的有効であり、解析を行う専門家不足という課題の解決と、解析の半自動化を実現する手段となることが期待されます。

疑似ラベリングフレームワークのワークフロー