家具などの販売現場では、顧客との対面販売において用いられる販促カタログは紙媒体やPDFとして保管されている。そのため、必要なカタログを手作業で探し出す必要があり、検索性の低さと接客効率に課題がある。本研究では、店頭販促カタログを対象とした商品スキーマ推定に基づくエージェント型検索システムを開発した。提案システムでは、LLMを用いて非構造なカタログPDFをMarkdown形式に変換し、商品情報を表現するスキーマを推定する。さらに、推定スキーマに基づいて商品情報を構造化データとして抽出し、自然言語の問い合わせに応じて商品情報を探索・提示するエージェント型検索機能を実装した。

LLMの自然言語出力に対して，安全性（危険出力抑制）に加え信頼性（故障時の継続動作）を確保するには，出力の比較照合・多数決等の高信頼化手段が必要である。しかし出力が自然言語であるため，従来の数値比較手法は適用しにくい。さらに，LLMの妥当性検証を目的とする場合，比較照合自体はAI（学習）的手段に依存しないことが望ましい。本稿では，語順依存の小さい格標識に着目し，文を主語・目的語・述語等の「文の要素」に正規化して符号化する構造化構文トークナイザを提案する。提案方式により，語順変動（倒置）や表記揺れの影響を抑えた自然言語出力の照合・多数決が可能となることを示す。

フォールトツリー解析（FTA）は，事故の危険性を見積もる代表的な信頼性評価手法の一つである．FTAでは，中間データ構造として二分決定グラフ（BDD）が広く用いられている．しかし，従来のBDD構築プログラムの多くは、ノード情報をメインメモリ内で保持するため，解析可能なフォールトツリーの規模がメモリ容量によって制限されるという課題がある．そこで本稿では，Key-Value Store型のデータベースライブラリを用いてノード情報を管理しメモリ制約を解消することで，従来手法では解析が困難であった規模のフォールトツリーに対する信頼性評価の実現を目指す．さらに，既存の解析ツールとの比較評価を行い，提案手法の処理性能および有用性について検討する．

本研究では，確率的フォールトツリー解析（FTA）の効率化を目的として，先進的な知識コンパイル技術である項分岐決定図（SDD）を用いた新たな手法を提案する．この手法では，従来の二分決定図（BDD）ではなく，SDDによりFTの構造を効果的に表現することで，トップ事象の生起確率の計算の高速化を図る．本手法の最大の特長は，SDDの構造を決定する変数順序付け木（vtree）を，対象のFTの構造に従って生成する点にある．このヒューリスティックスにより，BDDに比べてコンパクトにFTの構造を表現することができ，結果として計算時間が短縮される．本手法により，FTAを適用できるシステム規模の大幅な拡大が期待できる．

近年、エッジAI分野においてリアルタイム性と低消費電力を両立した推論処理の実現が求められている。本研究では、SoC FPGAであるUltra96v2上にResNet50を実装し、推論処理のさらなる高速化を目的として、疑似7×7フィルタと3×3カーネルへの8行単位データ転送の統合実装に取り組んだ。
疑似7×7フィルタは、FPGAのリソース制約により直接実装が困難な7×7カーネルを、既存の3×3回路を複数回起動することで受容野を再現する手法である。これにより、BRAMの使用量を増加させることなく、ResNet50本来の設計に近い形での実装を実現した。また、先行研究において1×1カーネルに適用していた8行単位データ転送を3×3カーネルにも拡張することで、回路起動回数の削減による処理効率の向上を図った。
さらに、3×3回路（FPGA）と1×1演算（CPU）の並行処理を組み合わせることで、転送待機時間の削減も実現した。実機回路上での動作検証により、先行研究と比較した処理速度の変化を評価し、提案手法の有効性を確認した。

本研究では、FPGA上で動作する姿勢推定モデルMoveNetの推論高速化を目的として、Add層の量子化および回路化に向けた手法を検討した。従来、Add層は精度劣化を防ぐため浮動小数点演算でCPU処理されており、その前後で量子化や逆量子化が必要となるため処理負荷が大きい。そこで、Add層を整数演算に量子化し、FPGA上での回路実装を見据えた処理方式を検討した。その結果、Add層の処理時間短縮が確認され、精度劣化も見られなかった。一方で、整数データの型変換に伴う処理時間が課題として明らかとなった。今後はAdd層を回路に実装し、データ変換処理の削減によるさらなる高速化を目指す。

エッジAIにおいて、演算資源の限定されたデバイスで高精度な物体検出モデルを高速動作させることが課題である。本研究ではSoC FPGAを対象に、高位合成を用いて物体検出モデルYOLOX-sの畳み込み（Conv）層をINT8量子化した専用演算回路を設計・実装した。開発にはUltra96-V2を用い、PC上でのシミュレーション検証を経て実機評価を行った。実験の結果、量子化しない回路と比較して、YOLOX-s全体の推論時間を約33%の短縮を達成した。また、mAPの精度劣化は約3.4%にとどまり、エッジ環境における本手法の有効性と実用性を確認した。

近年, 物体検出AIは高精度化が進む一方, 計算量の増大等が課題となっており, SoC FPGA上での高精度モデルの高速実行は容易ではない. 本研究ではUltra96v2を用いてYOLOv8sの推論高速化を図る. 畳み込み層をFPGA専用ハードウェアで処理し, 他の層はCPUで処理する構成を採用する. 先行研究の手法を適用しResize・Concatenate・Maxpooling・Split・Add各層で共有メモリを活用しデータ転送を削減した. これにより10.431秒から9.682秒への処理時間短縮を達成した. 現在, 畳み込み層へのINT8量子化適用による推論精度を維持しつつさらなる高速化に取り組んでいる.

エッジデバイスはリソース制約による推論時間の長さが課題である。本研究では物体検出モデルYOLOv8の高速化を目的に、畳み込み層の量子化と回路動作の最適化を行い精度への影響を評価した。
独自の推論ライブラリ「Ceras」上で、INT8への量子化、ビットシフト演算化に向けたスケール値調整、Hardswish関数への置換と層の融合を実装した。
COCOデータセットでの評価の結果、最適化による精度低下は通常モデルに対しYOLOv8nで5.9%、YOLOv8sで5.8%に留まった。
実用性を保ちつつ効率化を実現できているが，閾値などを調整しさらなる精度の維持を目指す．

近年、食品製造業において国内事業者の大部分を中小企業が占めている。そして、賞味期限や製品ラベルは人による目視の検査の場合が多い。そのため画像認識技術を用いたAIの導入が期待されているが、近年主流の深層学習手法では高性能なGPUや大容量のメモリが用いられている。そのためコストの面から中小企業の製造現場に導入することは容易ではない。そのような中で低スペックかつ安価なハードウェア上での動作を前提としたエクストリームラーニングマシン(ELM)という学習モデルが存在する。本稿ではELMで従来用いられてきた行列演算をアダマール積を用いて計算することで積和演算の回数を削減し、計算量の削減を図る。

大規模なSoCやプロセッサの設計では、実チップ製造前に回路動作を検証するためにエミュレーションが重要となる。PC上のRTLシミュレーションは低コストである一方、大規模化に伴い低速化する。また、商用ハードウェアエミュレータは高速だが高価である。本研究では、複数のFPGAを接続し、回路を分割実装するFPGAアグリゲーション環境を構築し、低コストかつ実用的な大規模回路エミュレーションの実現を目指す。

Network on Chip(NoC)に基づいたパケットルーティングにより高速な画像処理を実現する手法が提案されている．この手法では，コアに画素値を割当てた上で，累積画素値とフィルタ係数を内包したパケットを螺旋状にルーティングすることで汎用画像処理を実現している．しかし，異なるフィルタ係数を要する画像処理においては，それを保持するためのパケット長が増大し，動作速度や回路面積が劣化する可能性がある．そこで本研究では，フィルタ係数を共有メモリから読み出す形態を前提に，画素値のみを内包した固定長パケットによるルーティングアルゴリズムを提案する．これに基づいたNoCをHDLにより設計し，高速かつ高精度な汎用画像処理を確認している．

家電製品や小型組込み機器では、センサ信号の取得、しきい値判定、温度補正、動作モード切り替、異常検出を低価格かつ小型に実装するために、Renesas Electronics製のSLG47011とMCUで、低価格な粗粒度再構成可能mixed-signalセンサAFEとして構成することを提案した。その一例として、複素インピーダンスを検出する回路を構成して、実験により、周波数を掃引して、複素インピーダンスを検出した。その結果、LCRメータの結果とほぼ一致した。本提案構成は有効と考えられる。

データセンター向けFPGAを活用したベイズ推定の高速化を目指している。その基礎評価として、ホスト・FPGA間のデータ転送時間およびFPGA上での数学関数の計算時間を計測する。FPGAカードとして AMD Alveo U250 を使用し、ホストPCから OpenCL ライブラリを用いて計算を実行する。ブロックサイズ1～1048576でのデータ転送のレイテンシを測定した。数学関数としては Vitis HLS の math ライブラリを使用し、float 精度の sqrt, cos, log, exp, pow の計算時間および回路規模を測定した。

本研究では、複数の連想メモリベース超並列SIMD型演算コア (CAMX)を備えたカラム構造脳型アクセラレータ用データ通信機構を提案する。これまでのCAMXによる処理では、データ転送にホストCPUを介した制御が必要であり、通信時の制御負荷が課題となっていた。そこで本研究では、CAMX間で共有可能なBRAMを用いた通信機構を導入し、共有メモリを介した直接的なデータ共有を実現した。これにより、ホストCPUを介さない複数CAMX間通信を可能とし、通信オーバーヘッドおよび通信遅延の低減を図る。

汎用プロセッサの設計、中でも組み込みシステムの設計においては、面積、電力、性能に関する設計要件がしばしば相反する。従来の命令セットは汎用的な設計であるため、特定のアプリケーションやユーザーの用途に最適化されておらず、結果として命令デコードやキャッシュの非効率化を招き、無駄な消費電力の増加につながっている。本研究は、ユーザー毎のアプリケーション使用パターンに基づき、省電力化と性能向上を同時に実現する命令セット最適化手法の考案を最終的な目標とする。この目標に向けた事前調査として、その基盤となる動的命令冗長性を定量的に分析し、高効率な命令セット設計に向けた基礎データを提供することを目的とする。

近年、通信遅延の解消やセキュリティリスクの低減を目的として、外部サーバーに依存せずデバイス側で処理を完結させるエッジAI技術が注目を集めている。本研究では、小型かつ安価なエッジデバイスに超解像AIモデルである「FSRCNN」を搭載し、処理の高速化手法について検討する。エッジデバイスは安価な分、デバイス性能が低く、CPUのみで動作させると処理に大きな時間を要する。そこで、本研究ではSoC FPGAのUltra96v2を用いてCPUとFPGAの協調動作による処理の高速化を目指す。CPUとFPGAのデータのやり取りを減少させるため、Conv2D層とPReLU層を融合し処理の効率化を図る。

近年，エッジAIによる画像推論への関心が高まっている．本研究では， MPSoC FPGAプラットフォームを用いて，画像分類モデルであるResNet-50の推論高速化を提案する．提案手法では，DPUをFPGA上に実装し，推論処理をDPU，前処理および後処理をARM CPUが担当する構成とする．さらに，前処理，推論，後処理を各ステージとするパイプライン処理を実現した．AMD KV260上でImageNetを用いてResnet-50推論の性能評価を行った結果，提案するパイプライン処理は，逐次処理と比較して実行時間を短縮しており，有効性を確認した．

近年、AIの発展により、インターネットを介さずに処理を行うエッジAI注目されている。本研究では、エッジデバイスであるSoC FPGAボードとしてUltra96v2、深層学習モデルとしてResNet50を使用し、共有メモリを活用したエッジAI処理手法を検討する。先行研究では回路起動にかかる処理時間を削減するため、CPUにデータを保持して全行まとめて処理していた。この従来手法では、CPUへのデータ格納処理にかかる時間が課題となっていた。そこで、共有メモリに格納されている演算結果を直接使用することで、データ書き出しを回避し、FPGAリソースを抑えつつ、処理の高速化を図る。

近年、低遅延やセキュリティ面で有利なエッジAIの重要性が高まっている。本研究では、物体検出モデルであるYOLOv11sを対象とし、外部環境に依存しないC++推論ライブラリCerasを用いた独自の推論環境および精度評価基盤を構築した。精度評価では、COCOデータセットの画像を用いた。位置ズレを厳しく採点するIoU=0.50:0.95の条件下で実測評価した結果、従来モデルであるYOLOv8（mAP: 0.426）を上回る0.442の精度を確認し、モデルが持つ基本性能の優位性をC++環境下で実証した。今後は、量子化を伴うビットシフト演算への変換を施し、精度の維持や軽量化を目指す。

製造業における外観検査では，高精度な異常検知に加えて実運用を考慮した推論速度も重要となる．本研究では，画像異常検知手法RealNetを対象として，CPU環境での実運用を見据えた推論高速化および軽量化を目的とする．まず，Backbone，AFS，Recon，RRSの各モジュールに対する推論時間を計測し，ボトルネック解析を行った．その結果，ReconおよびRRSが推論時間の大部分を占めることを確認した．現在は軽量化手法として量子化に着目し，RRSを対象に実装を進めている．今後は量子化や構造変更を適用し，推論速度と異常検知性能の両面から評価を行う．

本研究では，アリの採餌行動に着想を得た自律分散型群ロボットにおいて，餌場の量，巣からの距離，経過時間に基づく動的な餌場価値評価と，探索・収集・運搬を状況に応じて切り替える役割分担モデルを提案する．各ロボットは中央制御に依存せず，局所的な観測情報とロボット間通信に基づいて自律的に行動を決定し，餌場発見後の採集者と運搬者の協調によって採餌を行う．提案手法をROS2上で実機群ロボットへ実装し，基本モデルとの比較を含むシミュレーションおよび実機実験により，協調採餌効率の向上に有効であることを検証した．

屋内ドローンの衝突回避において，LiDARは小型機への搭載が困難なため，カメラ映像による人物検出に基づく停止型回避手法を提案する．BBox中心と画像中心との距離およびBBox面積により衝突候補を選定し，面積変化による接近判定で停止を制御する．Raspberry Pi 5上でYOLOv8n（ONNX Runtime）の推論時間を計測した結果，平均約192 ms・最大約285 msとなり，6フレーム間引きで推論周期を設計した．最大推論遅延約0.52 sと飛行速度1 m/sの仮定から，3 m位置に対応する危険判定閾値（BBox面積150,000 px）の妥当性を確認した．

園芸施設における栽培の効率化を図る上で、栽培環境の把握は重要な作業の一つであり、古くからさまざまな方法での環境計測が試みられている。本研究ではIoTデバイスによって多点多項目で環境を計測するシステムを構築した。IoT機器を導入したことによりこのシステムは従来の計測システムでは実現することが難しかった機能を構築することができ、この検証のために九州沖縄圏の複数の地域に設置して運用している。
本論文ではこのシステムの構造と運用状況を紹介する。

本研究では，既存車両への大規模な改造を伴わずに導入可能な不正始動防止システムを提案する．提案システムでは，エンジン始動ボタンとスターターモータの間にインテリジェントゲートウェイ装置（IGW）を設置し，認証に成功した場合のみエンジン始動を許可する．利用者のスマートフォンを認証用のデバイスとして用い，スマートフォンとIGW間で認証を行うことで，利用者のみがエンジンの始動を可能にする構成とする．さらに，利用者の生体認証を導入することで，端末所持だけでなく利用者本人の確認も行う．これにより，CANインベーダやリレーアタック，不正端末によるなりすましへの耐性向上を図り，車両盗難リスクの低減を目指す．

近年の組込機器の高機能化に伴い、汎用OSであるLinuxの搭載が進んでいる。一方で、システム停止や異常動作といった不具合の原因特定が困難となっており、障害の解析を容易化するシステム監視機能が求められている。このような背景から、Linuxカーネルを変更することなく軽量な観測を可能とするeBPFは、システム監視機能の開発において有力な手法となっている。
今回、不具合原因の特定容易化を目的に、eBPFを活用したシステム監視機能を検討した。また、検討した機能のうち、メモリリソース監視や実行履歴監視等の機能を実機上で試作し、評価を行った。本稿では、これら監視機能の設計内容および試作による評価結果について報告する。

ランサムウェア対策や迅速な障害復旧向けに周期的なスナップショット取得と保持期間制御はストレージシステムにおける必須機能となっている。また、従来からテスト、分析向けにボリュームのクローン作成機能が利用されている。Redirect-on-Write（RoW）型クローンは、クローン作成時間が短く初期容量消費が小さいという利点を持つ一方、RoWスナップショットとスナップショットツリーを共有する構造上、RoW型クローン数増加時にスナップショットポリシーを維持できない問題が生じる。一方、常にフルコピー型クローンを用いる方式では、容量消費が過大となる。そこで、本研究は、ポリシー維持と容量効率の両立を目的とした。本稿では、スナップショットツリー情報とポリシー設定情報をもとにポリシー維持可否を判定し、その判定結果に基づきRoW型とフルコピー型クローンを動的に切り替える方式を提案する。

外部認証基盤を利用するストレージ構成では、認証サービスやネットワークの障害により、所定の認証フローが成立しない場合がある。このような状況では、サービス継続性の確保と権限管理の安全性の両立が課題となる。本研究では、例外条件下においてもストレージサービスの継続性を維持しつつ、安全な権限管理を実現するアクセス制御方式を検討する。

近年，災害時や山間部において通信インフラが利用できない環境下での遭難者捜索が課題となっている．本研究では，低消費電力かつ長距離通信が可能なLoRa通信を用いた位置情報伝送システムを提案する．提案システムでは，SPRESENSEとLoRaモジュールを用いてGPSによる位置情報を取得し，免許不要帯域において遠距離通信を実現する．これにより，既存の携帯通信網に依存しない位置情報共有を可能とする．本稿では，システム構成および通信方式について述べるとともに，通信距離，消費電力，通信安定性に関する評価結果を報告し，災害時救助支援システムや住宅地における迷子捜索システムへの有効性を検討する．

私たちは、Codon Code が一誤り検出符号を形ちづくる事を導いた。それから
Code theory は脳の計算原理について重要な考え方である事が分かった。それは脳の働きは
部位により処理内容が決まっている。そして、神経細胞（ニューロン）とシナップスの関係
内容が決まっている。そして、神経細胞（ニューロン）とシナップスの関係は One Plus の
発火によって決まることである。
そこで、Code theory を用いて Image Computing の演算回路を検討したので報告する。