Intelligent Systems Laboratory

熊本大学 情報融合学環/工学部情報電気工学科 知能システム研究室

スタッフ / メンバー

スタッフ
amagasakiの写真
尼﨑 太樹

教授
専門分野: データサイエンス,組込みシステム
researchmap
Motoki Amagasaki received the B.E. and M.E. degrees in control engineering and science from Kyushu Institute of Technology, Japan, in 2000 and 2002, respectively, and the D.E. degree from Kumamoto University, Japan, in 2007. He was an Engineer with NEC Micro Systems Company Ltd., from 2002 to 2005. He has been a Professor with the Faculty of Advanced Science and Technology, Kumamoto University, since 2021. His research interests include machine learning and reconfigurable systems. He is a member of IEEE, IPSJ, IEICE, and JSAI.

kiyamaの写真
木山 真人

助教
専門分野: データサイエンス,自然言語処理
researchmap
Masato Kiyama received the B.E., M.E., and Ph.D. degrees from Hiroshima City University, Japan, in 1999, 2001, and 2003, respectively. He has been a Researcher with the Faculty of Advanced Science and Technology, Kumamoto University, since 2003. His research interests include programming languages and machine learning.

meryの写真
Mery Diana

特任助教(半導体デジタル研究教育機構所属)
専門分野: 深層学習モデル
Mery Diana received the B.E. degree in electrical engineering from Andalas University, Indonesia, in 2012, and the M.E. degree and Ph.D. degree in Computer Science and Electrical Engineering from Kumamoto University, Japan, in 2020 and 2024, respectively. She has been an Engineer with the National Research and Innovation Agency (BRIN), Indonesia, since 2014. Her current research interests include lightweight deep learning for edge site implementation, AI accelerator, and VLSI design.

2025年度 学生 (博士課程 2名/ 修士課程 21名/ 学部生 8名)
  • 岡本 利章 (博士課程3年,社会人):スマートシティ構想における各種データを利用したAI技術の応用に関する研究
  • (IJEP)Shofiyul Anam Al Mubarok (博士課程1年):
  • 口木 裕太郎(修士2年):LLMの応用に関する研究
  • 木山 輝(修士2年):AIによるサッカービッグデータ解析
  • 佐多 郁碧(修士2年):医療データを対象としたAIシステム
  • 城谷 昌季(修士2年):GNNによる部分グラフマッチング
  • 髙橋 颯飛(修士2年):強化学習のFPGACADへの適用
  • 徳石 和樹(修士2年):機械学習のFPGACADへの適用
  • 藤本 大地(修士2年):医療データを対象としたAIシステム
  • 早野 宗太郎(修士2年):機械学習を用いたデータ解析
  • (IJEP)BATBAATAR, Renchinsuren(修士2年):A light-weight deep neural network model for AI edge computing
  • (IJEP)FENG,Qingzhongn(修士2年):バスケットデータを用いた姿勢推定
  • (IJEP)KOSTESKI, Kristijan(修士2年):スマートシティ構想における各種データを利用したAI技術の応用に関する研究
  • (IJEP)SUNDAY, Prince Nkemjika Oluwat(修士2年):医療データを対象としたAIシステム
  • 芦谷原 翔真(修士1年):強化学習を用いた人流シミュレーション
  • 氏原 涼太(修士1年):サッカービッグデータ解析
  • 大江 慧成(修士1年):医療データを対象としたAIシステム
  • 後藤 晟友(修士1年):ヘテロジニアスグラフ向け部分グラフマッチング手法
  • 木場 翔太(修士1年):
  • 米谷 風馬(修士1年):グラフニューラルネットワークアーキテクチャ探索手法
  • 芝崎 彩奈(修士1年):複数カメラ複数人物トラッキングに関する研究
  • (IJEP)YOVAN Yudhistira Widyananto(修士1年):
  • (IJEP)Wang Dengxue(修士1年):
  • 十鳥 耀介(学部4年):
  • 吉田 絢香(学部4年):
  • 早田 隆之介(学部4年):
  • 肥後 隆之(学部4年):
  • 村上 雅基(学部4年):
  • 元嶋 温大(学部4年):
  • 松原 綾汰(学部4年):
  • 山下 凌祐(学部4年):

*2024年度 博士2年2名,修士2年10名,修士1年14名,学部4年5名,学部3年(アドバンスト実習)1名

*2023年度 博士2年2名,修士2年6名,修士1年13名,学部4年8名,JASSO交換留学生1名

*2022年度 博士1年2名,修士2年4名,修士1年5名,学部4年9名,JASSO交換留学生1名

*2021年度 博士1年1名,修士2年3名,修士1年4名,学部4年7名,学部3年(アドバンスト実習)2名

*2020年度 修士1年3名,学部4年4名

*2019年度 学部4年4名,学部3年(アドバンスト実習)2名

代表者:尼﨑 太樹

学位:博士(工学)

所属:
熊本大学大学院先端科学研究部 情報・エネルギー部門 ビッグデータ分野 教授
(兼務)半導体・デジタル研究教育機構 総合情報学部門 データサイエンス分野 教授

略歴:
- 1996/4-2000/3 九州工業大学 情報工学部 制御システム工学科
- 2000/4-2002/3 九州工業大学 大学院情報工学研究科 博士前期課程 修士(情報工学)
- 2002/4-2005/3 NECマイクロシステム(株)
- 2005/4-2007/9 熊本大学 大学院自然科学研究科 博士後期課程 博士(工学)
- 2007/10-2018/12 熊本大学 助教
- 2019/1-2021/4 熊本大学 准教授
- 2021/5-現在 熊本大学 教授

研究室の集合写真

研究トピック

本研究室では,ビッグデータを活用した新しいAI技術の開発を目指し,単に既存の機械学習モデルを適用するのではなく,新たなモデルや技術の創出に重点を置いて研究を行っています.現在取り組んでいるテーマの一部をご紹介します.

これらの研究を通じて,AI技術の進化だけでなく,産業応用や社会実装を見据えた実践的な成果を生み出すことを目標としています.興味のある方はぜひ研究室の活動にご参加ください.

研究室に興味を持った方へ

研究室への配属希望や見学希望などの際,参考にしてください.

Q:研究室の特徴は?

A:機械学習を中心としたAI技術の仕組みを理解し,ビッグデータを活用して自分で改良したり新しいAIモデルを開発できるようになるのが目標です.AI・データサイエンス技術を中心に,SNSデータの大規模分析から大規模言語モデルLLMを使ったAI開発,エッジデバイスでの効率的な画像認識まで,「使うだけ」ではなく「創る側」になれる研究に取り組みます.研究の過程において尼崎の担当講義(アルゴリズム論II,人工知能など)で学んだ理論が,実データを用いたリアルな形になるのを体験できます.データ処理の理論と実践の両方が身につくので,様々なキャリアに活かせるスキルが手に入ります.

Q:研究の方針は?

A:表面的な注目度より実質的な社会的価値を追求しています。単に「いいね」を多く集めることよりも,実際に人々の役に立つことに価値を置いているのが活動方針です.指導教員は企業経験から,「技術のための技術」ではなく「課題を解決する技術」の重要性を学びました.論文を書くだけで満足せず,実社会の課題にコミットするプロジェクトが多いのが特徴です.就活でも「実際に動くものを作った経験」は強力なアピールポイントになります!

Q:研究室体制について教えてください.

A:2019年に4人からスタートした研究室も,2025年現在では32名の多様なメンバー(6名が留学生)が活躍中です.企業や他学科・他学部との協働プロジェクトを数多く実施しており,学生時代から実際の現場で経験を積むことができます.適度な緊張感とフレキシビリティを兼ね備えた環境が私たちの強みです.締切と責任はありますが,その分やりがいも大きいです(実際の雰囲気は研究室の先輩に直接聞いてみるとわかりやすいかも).

Q:研究生活はどのような感じですか?

A:研究室は総合研究棟7F・8Fにあります.コアタイムはなく,10:00-18:00を基本としながらも,自分のリズムで研究できます.お盆と年末年始は休みです.研究はチームプレイで,一人で悩むより先輩・後輩とのディスカッションで課題解決することが多いです.計算機管理などの運営活動もあり,技術だけでなくチームワークも自然と身につきます.隔週のミーティングで適度な進捗チェックがあるので,間延びせず着実に前進できる環境です.

Q:アルバイトやサークルと研究の両立は可能でしょうか?

A:両立できる人がほとんどです.研究に優先順位を置きつつも,効率よく進めることで自分の時間もしっかり確保できます.平日のミーティング/ゼミを押さえておけば,あとは柔軟に調整可能です.研究室の先輩の多くも,バイトや趣味を楽しみながらメリハリのある研究生活を送っています.

Q:機械学習について知識は必要ですか?

A:「機械学習って難しそう...」「Pythonもあんまり...」と心配する必要はありません.現在の研究室メンバーも,ほとんどが機械学習初心者でした.大切なのは,分からないことを素直に質問できる姿勢と,新しいことにチャレンジする意欲です.学部の基礎科目をしっかり理解していれば,最新技術も段階的に学べます.先輩たちも親身にサポートしてくれるので,AI・データサイエンスの研究に関する悩みも安心して相談できます.

Q:研究設備は?

A:研究用にMacBookが貸与され,USB-C対応モニタで配線ストレスフリーな環境を提供します.機械学習トレーニング用のハイスペックGPUマシン(NVIDIA v100sやA30)を所有しています.「こんな本が読みたい」「この機材で実験したい」という要望にも柔軟に対応します.自分のPCだけでは難しい大規模な実験も,研究室の環境なら思う存分挑戦できます.

Q:英語に対する考え方は?

A:完璧を目指さず,伝える気持ちが大事です.最新技術の大半は英語で発表されるため,英語論文が読めると一気に視野が広がります.特に大学院進学者には論文執筆や国際発表のチャンスもあります.重要なのは「ネイティブ並みの英語力」ではなく,「最新技術を理解し伝える」ための実用英語です.文法が多少間違っていても,伝える意欲が大切です.留学生との日常会話から始めて,少しずつ慣れていくことができます.研究内容への情熱があれば,英語は自然とついてきます.

Q:どのような人が向いていますか?

A:この中の一つでも「面白そう!」と思ったら十分です.きっと充実した研究生活が送れます:
 ・アルゴリズムの面白さに気づいた人
 ・「最適解」を見つけるパズルが好きな人
 ・データの中から「なるほど!」を見つけるのが好きな人
 ・自分のコードでモノを動かすのが楽しい人
 ・AIの可能性にワクワクする人
特にアルゴリズム論IIや人工知能の講義で「もっと知りたい」と思った人は,研究室の雰囲気にもきっと馴染めるはずです!

Q:研究の進め方はどんな感じでしょうか?

A:自分のペースと定期的なチェックで,着実に成長できます.隔週の進捗報告があるので,だらけることなく前進できます.卒業研究では複数のテーマから自分の「推し」を見つけられます.大学院に進む人は,卒研で見つけた自分の強みをさらに伸ばしていくことができます.

研究で身につく「課題発見→解決策考案→実装→検証→発表」のサイクルは,どんな仕事でも必ず役立つユニバーサルスキルです.技術力だけでなく,プレゼン力や論理的思考力も自然と磨かれます.大切なのは「自分なりの解決方法」を見つけること.コピペではなく,オリジナリティを大切にする姿勢が,将来のキャリアにおける独自の価値につながります..

Q:他大学から本研究室に進学したいのですが?

A:国内から進学を考えておられる方へ:まずは出願〆切までに余裕をもって一度コンタクトしてください.基本的には8月に行われる大学院入試に合格し,研究室に配属される必要があります.また,学業成績によっては外部の大学や高専の専攻科出身であっても推薦入試が可能です.
国外から進学を考えておられる方へ:日本語での指導を希望される方は,8月の大学院入試を検討ください.講義も含めた英語での指導を希望される方向けには4月および10月の入学制度(IJEP)があります.こちらも余裕をもってコンタクトをお願いします.なお,たくさんの研究生希望のリクエストを頂いていますが,現在研究生については受け入れを行っておりませんので,ご了承ください.

研究事例

研究の一例をご紹介します.詳細についてはお問い合わせください.

グラフニューラルネットワークを用いたサブグラフマッチング手法

サブグラフマッチングは,大きなデータグラフ内で問い合わせグラフを特定する基本的な問題です.この課題に対し,本研究では余分なノードの影響を検出・緩和するENDNetモデルを提案します.COX2データセットにおいて従来の91.6%から99.1%に精度を向上させ,既存のモデルを上回る性能を示しました.
Masaki Shirotani, Motoki Amagasaki and Masato Kiyama`` ENDNet: Extra-node decision network for subgraph matching", IEEE Access, Vol.13, pp.32424-32433, Feb. 2025

ENDNet
クロスアテンションを用いた画像と診断レポートのマルチモーダル検索手法

従来の医用画像検索手法では,画像とテキストを独立した埋め込みとして扱うため,両モダリティの補完的な情報を十分に活用できないという制限がありました.本研究では,クロスアテンション機構を用いて医用画像とテキストの埋め込みを統合する新しい検索手法を提案します.事前学習済みBioMedCLIPモデルをベースに構築された本手法は,MIMIC-CXRデータセットで最高の平均適合率を達成し,既存手法を上回る性能を示しました.
Ikumi Sata, Motoki Amagasaki and Masato Kiyama``Multimodal retrieval method for images and diagnostic reports using cross-attention", AI, Vol. 6, Issue 2, Feb. 2025

multimodal
軟口蓋画像を活用した食道扁平上皮がんリスク予測のためのAIモデル最適化

熊本大学病院消化器内科との共同研究で,軟口蓋画像の小規模データセットを用いた食道がんリスク予測AIを開発しました.バイリニアCNNモデルを用いることで,高精度(AUC 0.91)での非侵襲的なリスク評価を実現し,医療資源の限られた施設でも活用可能なスクリーニングツールを確立しました.
Kotaro Waki, Katsuya Nagaoka, Keishi Okubo, Masato Kiyama, Ryosuke Gushima, Kento Ohno, Munenori Honda, Akira Yamasaki, Kenshi Matsuno, Yoki Furuta, Hideaki Miyamoto, Hideaki Naoe, Motoki Amagasaki and Yasuhiro Tanaka,``Optimizing AI models to predict esophageal squamous cell carcinoma risk by incorporating small datasets of soft palate images", Scientific Reports, Vol.15,Article number:4003, 2025

plate
カメラ画像データを活用したスマートシティ構想に向けた研究

防犯,観光,交通,建設など様々なデータの連携により新たな価値を創出し,ポストコロナ時代における地域活性化の姿として,質の高い持続的な成長につなげる技術を創出することを目的とした研究です.大規模人流のデータ同化やMOT(Multi Object Tracking)技術を用いた人物追跡などを行っています.
Shoki Sakaguchi, Motoki Amagasaki Masato Kiyama and Toshiaki Okamoto`` Multi-Camera People Tracking with Spatio-Temporal and Group Considerations", IEEE Access, Vol.12, pp. 36066-36073, Mar. 2024

multi-camera multi-person tracking
エッジAI向け軽量重みCNNモデル

エッジサイトでのAI実装における資源制限の課題に対し,本研究では非線形ベクトル自己回帰(NVAR)に基づくMixer型アーキテクチャを用いた軽量な深層ニューラルネットワークを提案しました.提案モデルは,CIFAR-10データセットで82.48%(パラメータ数0.159M),MNISTで98.36%(パラメータ数0.106M)の精度を達成し,既存の最先端モデルと競争力のある性能を示しました.
Mery Diana, Ridhwan Amin, Motoki Amagasaki Masato Kiyama`` A Lightweight Deep Neural Network Using a Mixer-Type Nonlinear Vector Autoregression", IEEE Access, Vol.11, pp. 103544-103553, Sep. 2023

nvar
感染症を対象とした潜在危険度測定システム

本研究では,公共施設や店舗など不特性多数が往来するスペースを対象とし, 各種エリアごとにCOVID-19による感染危険度を数値化することで, クラスター発生を高精度に予測する仕組みを明らかにします.
久野優太, 尼崎太樹 木山真人`` 感染拡大防止のための監視システムの提案と評価", 情報処理学会論文誌, Vol.64,No.5,pp. 992-1001,May 2023

COVID-19アウトブレイク監視システム

出版

論文データを読み込んでいます...
国際会議データを読み込んでいます...
一般講演データを読み込んでいます...
研究費データを読み込んでいます...
受賞データを読み込んでいます...
その他のデータを読み込んでいます...

講義

尼﨑が担当している講義やセミナーについて記載します。

2024年度
2023年度
2022年度
2021年度
2020年度
2019年度
2018年度
2017年度
2016年度
2015年度
2014年度
2013年度