Nozomu Togawa 研究室
主宰者：Nozomu Togawa
早稲田大学
AI 要約（直近 5 年の研究成果）
本研究室では、組み合わせ最適化問題を効率的に解くための手法開発を中心に研究を進めています。イジング機械や量子コンピュータなどの非従来型計算機を活用し、これらのデバイスの制約条件下で大規模な問題を解く際の工夫を探求しています。具体的には、大きな問題を小さな部分問題に分割する手法、問題の表現形式を簡潔にする工夫、量子コンピュータの量子ビット数を削減する方法など、ハードウェアの限界を克服する技術に取り組んでいます。さらに、5G基地局の省エネ最適化や旅行ルート計画、コース選択など、現実の社会課題を最適化問題として定式化し、提案手法を適用する実証研究も行っています。
一方、IoT機器の セキュリティ検証も研究の重要な柱です。大規模言語モデル（LLM）を用いた脆弱性検出、電力消費波形から異常動作を検知する機械学習的手法、回路設計からハードウェアトロイの木馬を検出する手法など、多角的なアプローチでIoT機器の安全性向上を目指しています。これらの研究を通じ、本研究室は新しい計算パラダイムの実用化と、それを用いた社会的課題の解決を推進しています。
※ 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)
- 社会科学Shunsuke Ono 研究室東京工業大学論文 97 件·共通: ネットワーク工学, 情報ネットワーク, 最適化理論, 最適化・数理計画 +6
- 計算機科学Yasuyuki Nogami 研究室岡山大学論文 73 件·共通: IoT・クラウド基盤, 量子コンピュータ, ネットワーク工学, 情報ネットワーク +4
- 経営学・会計学Shingo Yamaguchi 研究室山口大学論文 98 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +5
- 工学Hiroo Sekiya 研究室千葉大学論文 100 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +3
- 計算機科学Hironori Washizaki 研究室早稲田大学論文 100 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +3
- 計算機科学Kien Nguyen 研究室千葉大学論文 100 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +3
- 計算機科学Mondher Bouazizi 研究室慶應義塾大学論文 97 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +3
- 計算機科学Mikio Hasegawa 研究室東京理科大学論文 78 件·共通: IoT・クラウド基盤, ネットワーク工学, 情報ネットワーク, IoT +3
研究成果（100 件）
- [2026] Mitigating Precision Errors in Quantum Annealing via Coefficient Reduction of Embedded HamiltoniansDOI: https://doi.org/10.1109/tqe.2026.3678999
- DOI: https://doi.org/10.1109/access.2026.3672153
- [2026] QUBO Simplification by Singular Value Decomposition and Coefficient Elimination for Ising MachinesDOI: https://doi.org/10.1109/access.2026.3684571
- DOI: https://doi.org/10.1109/icce67443.2026.11449617
- DOI: https://doi.org/10.1109/icce67443.2026.11449622
- DOI: https://doi.org/10.1109/icce67443.2026.11449724
- [2025] A Correction Method Using Multiple Trained Models for Graph-Learning Based Hardware-Trojan DetectionDOI: https://doi.org/10.1109/icce-berlin67488.2025.11277768
- DOI: https://doi.org/10.1109/icce-berlin67488.2025.11277733
- DOI: https://doi.org/10.1109/qce65121.2025.10408
- DOI: https://doi.org/10.1109/qce65121.2025.10411
続きを表示（残り 90 件）閉じる
- DOI: https://doi.org/10.1109/qce65121.2025.10363
- DOI: https://doi.org/10.1109/icce63647.2025.10930156
- DOI: https://doi.org/10.1109/qce65121.2025.10409
- DOI: https://doi.org/10.1587/transinf.2024edp7305
- DOI: https://doi.org/10.1109/iolts65288.2025.11116910
- DOI: https://doi.org/10.1109/vtc2025-spring65109.2025.11174883
- DOI: https://doi.org/10.1587/transinf.2024edp7325
- DOI: https://doi.org/10.1587/transfun.2024eap1145
- [2025] Performance Comparison of the LLM Models on LLM-Based Seed Generation Method for IoT Device FuzzingDOI: https://doi.org/10.1109/icce63647.2025.10929957
- DOI: https://doi.org/10.1109/icce63647.2025.10930224
- DOI: https://doi.org/10.1109/icce63647.2025.10929951
- DOI: https://doi.org/10.1109/icce63647.2025.10930147
- DOI: https://doi.org/10.1109/icce63647.2025.10930194
- DOI: https://doi.org/10.1109/icce63647.2025.10930007
- DOI: https://doi.org/10.1109/icce63647.2025.10930013
- DOI: https://doi.org/10.1109/icce63647.2025.10929970
- DOI: https://doi.org/10.1109/icce63647.2025.10930212
- DOI: https://doi.org/10.1109/icce63647.2025.10929771
- DOI: https://doi.org/10.1109/tqe.2025.3602404
- DOI: https://doi.org/10.5220/0013345200003944
- DOI: https://doi.org/10.5220/0013368900003944
- DOI: https://doi.org/10.5220/0013345300003944
- DOI: https://doi.org/10.1109/access.2025.3534529
- DOI: https://doi.org/10.1109/qce65121.2025.10435
- DOI: https://doi.org/10.1109/access.2025.3603606
- DOI: https://doi.org/10.1109/gcce65946.2025.11275199
- DOI: https://doi.org/10.1109/icce-berlin67488.2025.11277581
- DOI: https://doi.org/10.1109/icce-berlin67488.2025.11277466
- DOI: https://doi.org/10.1109/icce-berlin67488.2025.11277633
- DOI: https://doi.org/10.1109/icce-berlin67488.2025.11277727
- DOI: https://doi.org/10.1109/tqe.2024.3376721
- DOI: https://doi.org/10.1587/transfun.2024vlp0008
- DOI: https://doi.org/10.1109/qce60285.2024.10340
- DOI: https://doi.org/10.1109/qce60285.2024.10329
- DOI: https://doi.org/10.1109/qce60285.2024.10339
- DOI: https://doi.org/10.1109/qce60285.2024.10315
- DOI: https://doi.org/10.1109/qce60285.2024.10327
- [2024] Large-Sized VQE Performance Profiling in Quantum Chemistry Using a Multi-Node Quantum SimulatorDOI: https://doi.org/10.1109/qce60285.2024.10341
- DOI: https://doi.org/10.1109/qce60285.2024.10317
- DOI: https://doi.org/10.1109/iotsms62296.2024.10710294
- DOI: https://doi.org/10.1109/iotsms62296.2024.10710191
- DOI: https://doi.org/10.1109/mwscas60917.2024.10658806
- DOI: https://doi.org/10.1109/iolts60994.2024.10616055
- DOI: https://doi.org/10.1109/tetc.2024.3403871
- [2024] FOREWORDDOI: https://doi.org/10.1587/transfun.2023vlf0001
- [2024] Evaluation of Ensemble Learning Models for Hardware-Trojan Identification at Gate-level NetlistsDOI: https://doi.org/10.1109/icce59016.2024.10444240
- DOI: https://doi.org/10.1109/icce59016.2024.10444436
- DOI: https://doi.org/10.1109/icce59016.2024.10444500
- DOI: https://doi.org/10.1109/icce59016.2024.10444173
- DOI: https://doi.org/10.1109/icce59016.2024.10444192
- DOI: https://doi.org/10.1109/icce59016.2024.10444322
- DOI: https://doi.org/10.1109/icce59016.2024.10444170
- DOI: https://doi.org/10.1109/access.2024.3380479
- DOI: https://doi.org/10.1109/access.2024.3384980
- [2024] QUBO Formulation Using Sequence Pair With Search Space Restriction for Rectangle Packing ProblemDOI: https://doi.org/10.1109/access.2024.3485675
- DOI: https://doi.org/10.1109/access.2023.3326326
- DOI: https://doi.org/10.1109/tce.2023.3335392
- [2023] Hybrid Optimization Method Using Simulated-Annealing-Based Ising Machine and Quantum AnnealerDOI: https://doi.org/10.7566/jpsj.92.124002
- DOI: https://doi.org/10.1109/trustcom60117.2023.00166
- DOI: https://doi.org/10.1109/itsc57777.2023.10422515
- DOI: https://doi.org/10.1587/transfun.2023kep0003
- DOI: https://doi.org/10.1109/socc58585.2023.10256935
- DOI: https://doi.org/10.1587/transfun.2023kep0005
- DOI: https://doi.org/10.1587/transfun.2023kep0004
- DOI: https://doi.org/10.1587/transfun.2023kep0012
- DOI: https://doi.org/10.1109/tc.2023.3280134
- DOI: https://doi.org/10.1587/transinf.2022edp7017
- DOI: https://doi.org/10.1109/tc.2023.3239539
- DOI: https://doi.org/10.1109/icce56470.2023.10043382
- DOI: https://doi.org/10.1109/icce56470.2023.10043534
- DOI: https://doi.org/10.1109/icce56470.2023.10043398
- DOI: https://doi.org/10.1109/icce56470.2023.10043532
- DOI: https://doi.org/10.1109/access.2023.3314498
- DOI: https://doi.org/10.1109/access.2023.3310875
- DOI: https://doi.org/10.1109/tc.2022.3178325
- DOI: https://doi.org/10.1109/icfpt56656.2022.9974267
- DOI: https://doi.org/10.1109/tc.2022.3222090
- DOI: https://doi.org/10.1364/oe.476839
- [2022] Effective Hardware-Trojan Feature Extraction Against Adversarial Attacks at Gate-Level NetlistsDOI: https://doi.org/10.1109/iolts56730.2022.9897557
- DOI: https://doi.org/10.1109/iolts56730.2022.9897477
- DOI: https://doi.org/10.1109/socc56010.2022.9908082
- [2022] Hardware-Trojan Detection at Gate-level Netlists using Gradient Boosting Decision Tree ModelsDOI: https://doi.org/10.1109/icce-berlin56473.2022.9937099
- DOI: https://doi.org/10.1109/icce53296.2022.9730601
- DOI: https://doi.org/10.1109/icce53296.2022.9730763
- DOI: https://doi.org/10.1109/access.2022.3227431
- DOI: https://doi.org/10.2197/ipsjjip.30.52
- DOI: https://doi.org/10.1109/icce53296.2022.9730285
- [2022] Hardware-Trojan Detection Based on the Structural Features of Trojan Circuits Using Random ForestsDOI: https://doi.org/10.1587/transfun.2021eap1091
- DOI: https://doi.org/10.1109/icfpt52863.2021.9609937
- DOI: https://doi.org/10.1109/tc.2021.3138629
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）。