Katsuyuki Suzuki 研究室
主宰者：Katsuyuki Suzuki
東京大学
AI 要約（直近 5 年の研究成果）
本研究室は、工学上の複雑な設計・最適化問題を、データ駆動型の機械学習手法と数値シミュレーションを組み合わせて解く研究を行っています。特に生成モデルや深層強化学習といった先進的な計算手法を用いて、従来の設計プロセスでは扱いにくかった問題に取り組んでいるのが特徴です。船舶のハル形状や翼型、風帆システムといった流体力学的な形状最適化から、機械部品や建築構造の材料配置の最適化まで、幅広い工学分野を対象としています。
これらの研究では、生成的敵対ネットワークや変分オートエンコーダなどの生成モデルを活用して、性能要件から直接的に実用的な形状を生み出す手法を開発しています。また、位相最適化や感度解析などの古典的な最適化理論と現代的な機械学習を融合させることで、計算効率を向上させ、より複雑で現実的な制約条件に対応できるアプローチを提案しています。環境問題への対応として、船舶の省エネルギー化や風力補助推進システムの設計最適化など、持続可能な工学への応用も進めています。
さらに本研究室は、放射線計測におけるスペクトル解析手法の開発や、人間の歩行動作の最適化を通じた補助装置の設計といったように、工学の応用領域を多角的に広げています。数値計算と実験検証を組み合わせることで、提案手法の実用性と信頼性を確保する姿勢が貫かれており、理論的な新規性と実問題への適用可能性を両立させた研究が特徴です。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 工学Weiwei Wan 研究室大阪大学論文 104 件·共通: 機械学習, 応用数学, 応用・計算数学, 最適化 +11
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: AI・機械学習, 機械学習, 機械, 学習 +12
- 環境科学Sameh A. Kantoush 研究室京都大学論文 104 件·共通: AI・機械学習, 機械学習, 応用・計算数学, 機械 +11
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Taku Obara 研究室Tohoku University Hospital論文 101 件·共通: 機械学習, 機械, 学習, システム +11
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 環境科学Yoshitaka Nishikawa 研究室Kyoto University Hospital論文 104 件·共通: AI・機械学習, 機械学習, 機械, 学習 +10
研究成果（42 件）
- DOI: https://doi.org/10.3390/ai6060129
- DOI: https://doi.org/10.1016/j.engfracmech.2025.111173
- DOI: https://doi.org/10.1016/j.aiig.2025.100148
- DOI: https://doi.org/10.1080/00223131.2024.2439921
- DOI: https://doi.org/10.21278/brod76104
- DOI: https://doi.org/10.3390/ai5040102
- DOI: https://doi.org/10.1080/0305215x.2024.2413962
- DOI: https://doi.org/10.3390/ai5040085
- DOI: https://doi.org/10.3390/jmse12091645
- DOI: https://doi.org/10.1016/j.oceaneng.2024.119142
続きを表示（残り 32 件）閉じる
- DOI: https://doi.org/10.1007/s00773-024-00993-6
- DOI: https://doi.org/10.1016/j.taml.2024.100504
- DOI: https://doi.org/10.1016/j.ijheatmasstransfer.2024.125353
- DOI: https://doi.org/10.1016/j.cma.2024.116746
- DOI: https://doi.org/10.1299/transjsme.24-00225
- DOI: https://doi.org/10.2534/jjasnaoe.37.107
- DOI: https://doi.org/10.25144/16012
- DOI: https://doi.org/10.3390/jmse12010031
- DOI: https://doi.org/10.3390/app13074198
- DOI: https://doi.org/10.1007/s11044-023-09885-w
- DOI: https://doi.org/10.1299/transjsme.23-00180
- DOI: https://doi.org/10.1080/00223131.2023.2282552
- DOI: https://doi.org/10.1299/jsmedsd.2023.33.3206
- DOI: https://doi.org/10.1016/j.commatsci.2022.111987
- DOI: https://doi.org/10.1016/j.heliyon.2022.e12006
- DOI: https://doi.org/10.1016/j.finel.2022.103852
- DOI: https://doi.org/10.1016/j.commatsci.2022.111806
- DOI: https://doi.org/10.5957/issc-2022-committee-v-1
- DOI: https://doi.org/10.5957/issc-2022-discussion-v-1
- [2022] Inverse airfoil design method for generating varieties of smooth airfoils using conditional WGAN-gpDOI: https://doi.org/10.1007/s00158-022-03253-6
- DOI: https://doi.org/10.1007/s13534-022-00230-2
- DOI: https://doi.org/10.1016/j.commatsci.2022.111450
- DOI: https://doi.org/10.1016/j.mtla.2022.101371
- DOI: https://doi.org/10.2139/ssrn.3999097
- DOI: https://doi.org/10.1299/jsmeoptis.2022.14.u00057
- DOI: https://doi.org/10.1299/jsmeoptis.2022.14.u00030
- DOI: https://doi.org/10.1016/j.engappai.2021.104560
- DOI: https://doi.org/10.1016/j.commatsci.2021.110865
- [2021] Data-driven design exploration method using conditional variational autoencoder for airfoil designDOI: https://doi.org/10.1007/s00158-021-02851-0
- DOI: https://doi.org/10.1016/j.commatsci.2021.110479
- [2021] Effects of prosthetic design parameters on running performance of a unilateral transfemoral amputeeDOI: https://doi.org/10.1299/jbse.21-00023
- DOI: https://doi.org/10.2139/ssrn.3910598
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。