近年、大規模言語モデル（LLM）を用いたエージェントによるプログラムの自動生成が実用化されている。しかし、大規模ソフトウェアを扱う場合、必要な依存関係の見落としや無関係な情報のコンテキストへの混入が生じ、タスクの失敗やトークン消費の増大を引き起こす。本研究では、人間がモジュール性を利用してコードを理解する点に着目し、エージェントがソフトウェアのモジュール境界や依存関係を自律的に解析し、必要なファイルのみを選択・管理するコンテキスト管理手法を提案する。

生成AIには誤認および幻覚（ハルシネーション）に起因するリスクが内在しており、教育・医療・社会システム等の高リスク領域への適用において深刻な課題となっている。本研究は、この「誤認・幻覚リスク」の特定・検知・低減を目的とした技術開発を提案するものである。
新規性・将来性:既存の対策技術が「出力フィルタリング」や「外部知識参照」に依拠してきたのに対し、本研究は誤認現象そのものの検知を試みる点において独自性を有する。教育・医療・社会システムへの応用展開が見込まれるとともに、汎用人工知能（AGI）の実現に向けた安全基盤としての発展可能性を備えている。先行するL4t4に関する提案は仮説段階にとどまるとの評価を受けたが、本研究ではプロトタイプ実装（PoC）を通じた具体的動作の提示により、手法の透明性と実装可能性を実証する。

ソースコード中の脆弱性を早期に検出することは、安全なソフトウェア開発において重要な課題である。本研究では、CodeBERTのアテンションマップとCPG構造情報を併用した脆弱性の検出手法を提案した。検証実験では、CNNとCPG-GATがそれぞれV-F1を改善し、結合した提案手法はCodeBERTのみより0.0362高いV-F1を示した。一方でNatGenモデルとの差は小さく、全比較対象を上回る結果には至らなかった。今後は、異なるデータセットや脆弱性種別（CWE）単位で汎化性能を検証し、トークン・ノード対応付けの精度を改善し、より実用レベルに近い検出性能を実現する。

宣言的プロセスモデルの記述（LTL等）は現場の専門家には困難であり，LLMによる自然言語からの自動翻訳が注目されている．しかし，ハルシネーション等により生成仕様が人間の真の意図と乖離する課題がある．本研究では，複数の仕様候補間で真偽判定が割れる識別トレースをプロセスマイニング分野に応用し，人間の妥当性判断を支援する手法を提案する．LLMが出力したLTL式から識別トレースを生成し，実際の業務ログと照合して出現件数やイベント内容を特定・提示する．これにより，専門家は数式の違いを実データとして比較し，運用実態に即した仕様の決定が可能となる．実イベントログを用いた実験を通し，本手法の実用性を報告する．

セキュリティオペレーションセンター（SOC）は日々1万件を超える脅威インジケーターを処理しているが、既存のプラットフォームは二者択一のトレードオフを強いている。MISPやOpenCTIに代表されるルールベースのシステムは、完全なクエリ追跡性を提供する一方で、数ヶ月から1年単位の手動によるキュレーションサイクルを必要とする。一方、ThreatKGなどの機械学習を用いたシステムは抽出の自動化を可能にするものの、埋め込みベクトルに起因する不透明性や継続的な再学習という課題を抱えている。
本論文では、第3のパラダイムとして「AI支援型知識工学（AI-assisted knowledge engineering）」を提案する。本手法では、大規模言語モデル（LLM）をオフラインのキュレーションフェーズのみに限定して適用し、エンティティ記述の合成および型付き関係性の推論を行う。一方、実行時には、その結果として得られた静的プロパティグラフ上で、純粋に決定論的な古典的グラフアルゴリズムを実行する。

本研究の目的は，ソフトウェア開発においてUIのルックアンドフィールを統一するために，過去のソフトウェア資産から必要となる類似機能を効率的に検索・再利用する手法を検討することである。現状では，記述形式が異なる膨大な仕様情報の中から，新規ソフトウェアに適した過去のGUI設計やUI特性を特定することが困難である。そこで本研究では，因子抽出手法を用いて仕様書中の主要機能・操作の特徴を捉えることで検索候補を絞り込み，さらにマルチモーダルモデルを用いて候補間の画面類似度を評価する二段階の検索枠組みを提案する。これにより，仕様書に適したGUI設計資産を効率的に検索し，その再利用支援を通じてUIの一貫性向上を目指す。

システム開発初期における開発環境選定プロセスは属人的かつ煩雑であり，開発着手までのリードタイム増大の要因となる．本研究では，標準開発環境に関する情報をナレッジとして保持した生成AIチャットボットにより，開発環境選定プロセスの属人性を低減し，リードタイム削減に資する可能性があるとの仮説を設定した．仮説検証では，エージェント機能のみで構築した方式と，ローコード基盤を用いて構築した方式の2方式を実装し，比較評価を行った．その結果，後者は生成 AI に依存する範囲を明確化できることで回答の安定性が高く，開発環境選定における判断のばらつきを抑制し，実運用に適した生成AIチャットボットとなることを示した．

JDKおよびSpring系OSSのバージョンアップに伴うAPI非互換対応など，高コストな手作業という課題は深刻である．本課題に対し，『特性の異なるマイグレーションツールを連携させれば高い相乗効果が得られる』という仮説を立てた．本研究では，ソースコードリファクタリングツール（OpenRewrite）とバイトコード変換ツール（Eclipse Transformer）の連携効果と限界（不検知・誤検知）を定量的に評価し，手動で補完すべき範囲を明確化した．本稿では，サンプルプログラムを用いた自動化率の検証プロセスを述べ，ツール連携による実践的な適用方針とその有効性を報告する．

Kubernetesはアプリケーション運用で広く用いられており，高い可用性を持つシステムの運用が可能となる．しかし， Kubernetesの設計思想に準じてアプリケーションを開発することが望ましいため，開発者は開発環境以外にも運用環境も考えてアプリケーションの設計を行う必要ある．そこで，本研究では，アプリケーション設計で広く用いられるMVCモデルを拡張し，Kubernetes向けの実装を集約・管理する層を備えたフレームワークを提案する．Kubernetes固有の実装をフレームワークレベルで提供することで，開発者は運用環境を強く意識することなく，アプリケーションの実装ができることを目指す．

近年，大規模言語モデル（LLM）を用いたコード生成が，ソフトウェア開発の現場で広く活用されている．一方で，LLMによるコード生成によって特定機能の実装や修正を行うと本来は変更が不要なモジュールにまで修正される問題がある．そのため，開発者はLLMが出力するコードを必要以上にレビューを行う必要が発生する．そこで，本研究では，ソフトウェアメトリクスを活用してLLMによる不要な構造変更を抑制することができるかの調査を行う．具体的には，GitHubで管理されるIssueで議論された機能をLLMで実装し，ソフトウェアメトリクスによって不要な修正が行われていないかが判定できるかを調査する．

Traditional manual UI testing is labor-intensive, while current AI automation often suffers from hallucinations. This paper introduces Octagon Tester, a highly reliable automated testing framework. It utilizes Code Property Graphs and GraphRAG to convert web code into a searchable vector database. For execution, a Triple Agent system separates planning, browser interaction, and Pytest script generation. Experiments demonstrate Octagon Tester reduces required tool operations by over 60% compared to a baseline MCP model, leveraging stable semantic IDs to produce reusable, error-resistant test scripts.

人流データの取得手法として，GPSによる位置情報収集が広く用いられているが，消費電力の大きさやプライバシーリスクが課題となる．一方，スマートフォンが接続する基地局IDのログは，低消費電力で収集可能であり，位置の粒度も粗いためプライバシーへの配慮が容易である．また,基地局のカバー範囲内における各端末の移動の統計情報も取得可能であると期待される.そこで本研究では，移動モードの推定を検証するため,スマートフォン側から接続基地局IDを収集するアプリケーションを開発し，同一路線を自動車およびバスで走行した際のログを取得・比較することで，移動手段の推定可能性を検討する．

近年、社会インフラを支えるソフトウェアは、大規模化および複雑化が進んでいる。システムの安定稼働には、開発者が対象仕様を抜け漏れなく把握し、的確なテストを実施することが必須である。しかし、これらの一連の作業は技術者の経験や手作業に依存しているため、多大な工数の発生やプロセスの属人化が課題であった。そこで本研究では、設計ドキュメントから必要な仕様を自動抽出し、テスト設計からテスト実装までを一気通貫で自動化することにより、テスト工程の効率化と品質の均一化を支援するテスト支援システムを開発した。本稿では、開発したテスト支援システムについて述べる。

　東洋医学における鍼灸施術は、施術者の経験や暗黙知に依存する部分が大きく、施術方針の判断過程の共有は容易ではない。一方、東洋医学の知識体系は長年継承されてきたが、必ずしも構造化されておらず、現代的な情報処理の枠組みでの活用は十分とはいえない。加えて近年、患者への施術根拠の説明責任が高まり、施術判断過程を体系的に整理する必要がある。
本研究では、東洋医学古典に基づき、症状、証、臓腑、治法、経絡、経穴等の知識を知識グラフとして構造化し、説明可能AIを用いて鍼灸施術方針を推論する意思決定支援システムを提案する。
さらに、推論根拠の可視化により患者説明を支援し、施術方針決定支援や鍼灸教育への応用を検討する。

生成AIを用いたソフトウェア開発では、コード生成や実装補助など個別活動への適用が検討されている。本研究では、小規模スマートフォンアプリを企画・開発し、外部公開に至るまでの実践単位に着目し、生成AI支援下で単一開発者が担った作業領域と判断点を探索的に整理する。筆者が複数の小規模アプリを企画・開発し、iOSまたはAndroidのストア審査通過まで進めた実践を対象に、企画・システム要求整理、システム要件定義、実装・調整、表現方針・素材作成、確認・公開準備における作業と判断を整理した。その結果、生成AIが提示した候補を、目的、利用場面、初期版の機能範囲、表現方針、公開条件に照らして確認し、必要に応じて制約や重視点を再提示する判断が見られた。さらに、判断点を、候補を広げる観点の設定、範囲制御、方向づけ、実体整合、確認範囲設定という分析観点として整理した。

熟練者不足を背景としてプログラミング未経験者でも扱える計画立案プログラムの自動生成技術への期待が高まっている。しかし，現状提案されている技術は自動実装と構文エラー修正にとどまっており，要件の矛盾に対処できていない。そこで本研究では，エラー要因特定・改修方針提案・コード改修を統合した自己修復AIを備えた計画立案プログラム自動生成システムを提案する。提案システムはユーザによる要件の入力と問題が起きたときの改修方針の選択だけで実装・検証・再実行が完結できる。要件に矛盾を含むモデルケースによる実験の結果，提案システムは矛盾を正確に指摘し，選択した方針に従って自動的に改修できることを確認した。

ペアプログラミングにおいて、ナビゲータには誤りを発見し論理的に修正方法を説明する高度なスキルが求められるが、その能力を体系的に育成・評価する仕組みは十分に確立されていない。ナビゲータ能力の育成における主な課題は 2 つある。第一に、教育的に意味のある誤りを安定的にコードに混入させる方法の設計である。第二に、学習者が出した修正指示の妥当性 (網羅性と正確性) を自動的に評価する方法の確立である。
特に生成 AI を用いる場合、出力の不安定性が両プロセスにおいて課題となる。
本研究の目的は、ナビゲータの指示力を育成する教育支援システムの提案である。生成 AI をドライバ役として位置づけ、意図的に誤りを含むコードを提示し、学習者 (ナビゲータ役)がその誤りを指摘・修正指示する。評価システムは、修正指示 を自動評価し、フィードバックを提供する。

我々は形式手法B Methodに基づき、細分化モデルから実装までの組を部品として再利用するソフトウェア合成手法を提案してきた。また、モジュール構造を持つ要求仕様への対応に取り組んできた。取得部品の実装方法から不足部品を自動生成し、実装の生成規則の正しさを保証する証明過程によって部品の無矛盾性を検証する手法が提案されたが、モジュール構造には未対応であった。また、提案された手法では部品の無矛盾性の検証に時間がかかるという課題があった。本稿では、モデルとの整合性を間接的に検証することでモジュール構造を持つ高信頼部品を自動生成する方法と、証明過程の最適化による検証時間の短縮手法を新たに提案する。

形式手法 B-Method は仕様の無矛盾性を保証するが、要求仕様に対する妥当性の検証は困難である。仕様の不変条件が緩い場合、開発者が意図しない動作を許容する可能性がある。この問題に対し、開発者が作成した状態遷移図と形式仕様から導出した状態遷移図の比較により、無矛盾性の検証では発見できない不変条件の緩みを検出する手法を提案した。しかし操作の事前条件の過多は検出できず、特に操作の事前条件が常に偽になる場合には手法を適用できなかった。そこで本研究では2つの状態遷移図の重ね合わせを行い、イベントの対応付けを求めることで、従来の誤り検出に加え、操作の過剰な事前条件も検出可能な手法について述べる。

生成AI開発では、マルチエージェントやRAGなど技術起点の設計が先行し、リスク検討が局所化・後付けとなる課題がある。本研究では、リスク（Why）、信頼性機能（What）、技術（How）を対応付けるRTTモデルを用いた双方向設計支援手法を提案する。特に、技術とリスクを直接対応付ける際に生じる検討の飛躍に対し、機能（What）を介在させることで、段階的かつ体系的なリスク整理を可能とする。マルチエージェント等の適用例を通じ、What層を介することで新たなリスク観点や設計対策が導出されることを示す。

デジタルホログラフィのリアルタイム再生には高速な2次元FFT計算が不可欠であり，NVIDIA社製GPUを用いたCUDA環境では一般にcuFFTが用いられる．しかし同ライブラリは内部実装が非公開であり，特定のデータ数において計算時間が理論上の計算量から性能特性と異なる挙動を示す．本研究はこの動作特性を分析し，さらに独自のGPU用FFTライブラリを実装して性能を比較する．具体的には，データ数の変化に加え，複数の異なるGPUアーキテクチャにおけるFFTの実行時間を計測し，GPUを用いた高速かつ効率的な2次元FFTの計算手法について検討した結果を報告する．

近年，AIの需要拡大やディープラーニングの普及に伴い，計算処理の高速化が強く求められている．これらの技術の根幹をなすのは膨大な行列演算であり，従来のCPUによる逐次処理では計算時間の増大が避けられない．これに対し，本研究では並列計算に特化したGPU(Graphic Processing Unit)に着目し，計算特性の異なる「行列積(GEMM)」および「行列ベクトル積(GEMV)」の2タスクにおいて，最新のGPUアーキテクチャが性能に及ぼす影響を定量的に検証・評価した．

最近では，CPU/GPUがメモリを共有するSoCモジュールが普及している．このようなシステム上で，粒子法陽解法の高速化を実現するために，CPU/GPU協調実行手法を提案する．本手法では，Pinned Memory（cudaHostAlloc関数）を用いることでCPU/GPU間の明示的なデータ転送を削減し，粒子法の時間ループ内の処理毎に，CPUとGPUへの実行割当を事前に決定する．各処理はCPUまたはCPU/GPU協調により実行される．NVIDIA Jetson Orin上での性能評価では，各実行方法における粒子法シミュレーションの計算時間の比較を行った．

本稿では，粒子法半陰解法における圧力ポアソン方程式の求解を対象に，PCG法における疎行列ベクトル積（Ap）のデータ格納方式を提案する．Apは近傍粒子位置に基づく間接参照が支配的であり，各時間ステップで近傍構造が変化するため，ELL形式の固定長Kを大きくすると，ELLデータ生成およびAp計算のコストが増大する．提案するELL/Matrix-Freeハイブリッド形式では，Kを最大近傍数より小さく設定し，近傍粒子数がK個以内の粒子はELL形式で処理し，超過した粒子をMatrix-Free形式で処理する．GPU上での性能評価により，提案手法は実行時間を短縮しており，有効性を確認した．

次世代立体映像技術として期待される電子ホログラフィは，計算機合成ホログラム（CGH）の計算量が膨大であり，実用化には至っていない．また，CGH計算はデータ量に対して演算量が多くGPU向きである．一方，AIブームによるGPU需要増加や多様なアクセラレータの登場により，旧世代GPU活用やヘテロジニアス計算の重要性が高まっている．本研究では，複数アクセラレータを単一プログラムで扱えるSYCLを用い，位相型CGH 計算をNVIDIA社BlackwellアーキテクチャのGPU に実装した．CUDA コードを互換ツールで SYCL に移植した場合，CUDA 実装の計算時間に対して約16倍となったが，ループ最適化することで，1.2倍の計算時間まで短縮できた．

本稿では，ViTによる前処理を導入した量子古典ハイブリッド画像分類手法を提案する．本手法では，PennyLaneおよびmpi4pyライブラリを用いて実装し，量子回路と古典ニューラルネットワークを組み合わせたハイブリッドモデルを構築した．学習にはCIFAR-10データセットを使用し，複数GPU環境においてMPIによるデータ並列学習を行った．NVIDIA RTX 5500搭載Xeonサーバ上で性能評価を行った結果，4GPUにおいて学習時間が短縮されており，提案手法の有効性が確認された．

近年, AIの活躍により大規模の計算が必要なことからGPGPUなどの技術を始め, iGPUを活用した技術に注目が集まっている. 本研究では, iGPUの高速化の手法としてセルフスケジューリングに着目し, 以前提案したセルフスケジューリング(RGSS(Relaxed Guided Self-Scheduling))のハイパーパラメータをブラックボックス最適化を用いて決定した. さらに, その性能を測るために, 依存のないループを含むアプリケーションに対し, CPUとGPUのロードバランスの計測, プロセッサアーキテクチャの異なる複数環境での計測等, 既存手法との比較を行った.

近年，様々な規模の組織で機械学習が利用されており，機械学習を組み込んだ情報システムの開発・運用を継続的に進めるMLOpsが注目されている．しかし，MLOpsの基盤はパブリッククラウドの利用が一般的なため，中小規模組織の利用目的に対して規模が大きく，高い導入コストや構成の複雑さが問題である。本研究は，パブリッククラウド構成を基にして中小規模環境向けの必須機能で構成したオンプレミスのMLOps基盤を設計する指針を示す。基盤管理や学習処理，データ保存，システム監視に必要な要素を整理した．パブリッククラウド構成と比較してコンポーネント数を削減したMLOps基盤の設計指針を示すとともに構築して実証した．

サーバレス環境では、高いスケーラビリティやコスト効率から利用が拡大しているが、関数呼び出し時に callee の実行中も caller が待機し続け、双方に料金が発生する二重課金が存在する。本研究では、この問題を解決するため、関数の呼び出し方法を継続渡しスタイルに変換する手法を提案する。本手法では、caller の処理をcallee 呼び出しの前後で分割し、前半処理は callee 呼び出し後に即終了させる。その後、callee が後半の処理を「継続」として呼び出す形式に変える。これにより、caller が待機することなく処理を実行可能となり、二重課金を解消する。

AI/ML や大規模データ分析を支えるストレージシステムでは，平均性能に加えて最悪応答時間（Tail latency）の抑制が重要である。ストレージシステムの内部キャッシュではハッシュテーブルが広く用いられるが，実装方式の違いが最悪応答時間に与える影響は十分に整理されていない。本研究では，キャッシュ用途を想定し，代表的なハッシュテーブル実装を対象に，挿入・削除・検索処理の平均レイテンシおよび最悪応答時間を比較評価した。その結果，チェーン法であり、かつキャッシュエントリ内部にリンクを保持する実装は，平均性能を維持しつつ，挿入・削除処理の最悪応答時間を抑制できることを確認した。

本論文では，KVM/QEMUとAnsibleを用いた仮想化環境で，virtioとSR-IOVの通信性能をvCPU数,CPUピニング,パケットキュー数を変えながら定量評価する手法を提案した．sockperfとiperf2による実験の結果，SR-IOVはvirtioより一貫して低遅延・高スループットを示し，仮想化レイヤーのオーバーヘッドと構成要因の影響を分離して評価できることを確認した．

I/O 処理の実装に広く利用されているシステムコールは，スケジューリングの影響を受け，I/O の要求から完了までに遅延が生じる問題がある．この対処として，OS やハードウェアレベルでの改善は導入と運用のコストが高いため，ユーザランドでの改善手法が重要である．遅延改善に有効な手法として，高性能な I/O 処理機構や OS スケジューラの機能の利用が考えられる．しかし，実際のアプリケーションに適用した際の有効性は明らかでない．本稿では，システムコールで I/O 処理を実装しているオープンソースの EtherCAT Master ライブラリの SOEM を対象に遅延改善手法の検討と評価を行う．

並列処理性が高いプログラムの性能を引き出すためには，処理切り替えに伴うオーバヘッドの抑制が重要である．また，I/O要求をマイクロ秒オーダーで処理可能なデバイスを用いる環境では，実I/O完了後に後続処理を速やかに再開することが求められる．本稿では，処理切り替えに伴うオーバヘッドが小さいユーザレベルスレッドに着目し，マルチコア環境における短周期のユーザレベルスレッド切り替え機構を提案する．本機構は，マイクロ秒周期でシグナルを送信する専用スレッドを導入し，シグナル受信を契機にスケジューラを呼び出すことで短周期の切り替えを実現する．これにより，実I/O完了から後続処理再開までの時間を短縮する．

実I/O時間がマイクロ秒オーダーのデバイスの登場に伴い，入出力を制御するプロセッサ処理（以降，入出力処理）時間を短縮することがデバイス性能を引き出すことにつながる．特に，マルチコア環境においては排他制御オーバヘッドの抑制が重要である．また，ユーザレベルスレッド（以降，UT）処理の有効性を示すには，様々な実I/O時間を疑似できるI/O処理機構が必要である．本稿では，UTを利用した並列処理において，マルチコア環境でのI/O処理実行時の排他制御を抑制し，マイクロ秒オーダーのデバイスの実I/O時間を疑似できる疑似I/O処理機構について述べる．