日々の開発業務で培った技術的な知見や、よりよいプロダクト提供のための技術的な取り組みなどを積極的に紹介をしていきます。
こんにちは！エコモット株式会社でIoT・AI・DXコンサルタントをしている本間です。
AIやIoTの導入をご検討中の企業の皆様に朗報です。
エコモット株式会社が2025年1月より提供を開始した『AI開発支援サービス』は、AIとIoTの専門家が一体となって課題解決をサポートする画期的なサービスです。
「AIを導入したいけれど、どこから手をつければいいかわからない」「データ活用を進めたいが、専門知識が足りない」など、AI導入に関するお悩みを抱えている企業は多いのではないでしょうか？
そんな課題を解決するために誕生したのが、エコモットの『AI開発支援サービス』です。
本記事では、このサービスの特徴や具体的なユースケースについて詳しくご紹介します。ぜひ最後までお読みいただき、AI導入の第一歩を踏み出すきっかけにしてください！
こんにちは、データアナリティクス部門のロバート・フバチです。この投稿では、「Neural Operator」[1] についてお話しします。このモデルは、ニューラルネットワークをベースにしたもので、データを活用したアプローチ（データ駆動型アプローチ）によって、さまざまなプロセスをシミュレーションすることができます。インターネットには、このモデルに関する興味深い講義や記事、またその実際の応用例がたくさんあります。そこで、このトピックをわかりやすく紹介し、どのように役立てることができるのかをお伝えします。
Neural Operatorモデルの開発を指揮したのはアニマ・アナンドクマール教授です。彼女のチームは、モデルの実用的な応用にも取り組み、昨年、NeuralOperatorというPythonのライブラリ [2]（オープンソースの演算子学習用ライブラリ）を開発しました。
この投稿があなたの興味を引き、刺激を与えるものになれば嬉しいです！
続きを読む
こんにちは、データアナリティクス部門のロバート・フバチです。
私たちは今、まさに「ビッグデータ時代」に生きています。日々、人々によって膨大なデータが生成・収集されており、これを分析することで貴重な洞察が得られる一方、大きな課題も生まれています。こうした課題に対応するため、新しいツールや技術が次々と登場しています。これにより、データを効率的に処理し、価値ある情報を抽出することが可能になっています。そのツールの一例が、今回のブログで紹介するDeepONet（Deep Operator Network）です。
DeepONetは、ある関数を別の関数に変換する方法を学習するために設計されたニューラルネットワークのアーキテクチャです。従来、このような変換を行うには、2つの関数の関係を定義する明確な規則が必要でした。しかし、DeepONetは与えられた例から直接規則を学習するため、従来のような明示的な規則は不要です。
DeepONetの活用例として、与えられた関数の定積分を計算するタスク（詳細は以下参照）が挙げられます。これは比較的単純なタスクですが、DeepONetはさらに複雑なタスクにも対応可能です。例えば、さまざまなプロセスや自然現象のモデリングが挙げられます。これらのタスクは、しばしば非常に複雑な方程式や規則が関わるため、理解には専門的な知識が求められます。
DeepONetの利点は、複雑な規則をデータから直接学習できる点です。これにより、専門家でなくてもプロセスのモデリングが可能になります。さらに、DeepONetを一度訓練すれば、未知の条件下での問題を従来の方法よりもはるかに速く解決できます。
続きを読む
こんにちは！エコモット株式会社でIoT・AI・DXコンサルタントをしている本間です。
このたび、エコモットが幹事企業を務める「北海道IoTビジネス共創ラボ」が、「北海道AI x IoTビジネス共創ラボ」へと発展いたしました。
近年の生成AIなどの新技術と新サービスの登場により、多くの分野でのAI活用が期待されていることもあり、これまでのIoTを基盤としたコミュニティをAIと融合することとなりました。
Microsoft Azureをプラットフォームとし、先端技術および活用事例などを通じて、社会課題の解決とビジネス機会の創出を支援していきます。
こんにちはデータアナリティクス部のロバート・フバチです。少し前に、「物理情報ニューラルネットワーク（PINN）」物理情報ニューラルネットワーク）について書きました。このネットワークは、自然界や工業で起きる現象を記述する偏微分方程式を解くために使われます。しかし、このネットワークの欠点は、一度学習させると、その特定の条件に対してのみ解を提供し、新しい条件下での予測には使えないという点です。PINNの学習には、よく数値計算のコンピュータシミュレーション結果 が使われます。これはPINNの可能性を示すためには有用ですが、実用的な観点から見ると、それほどでもありません。既に数値解が得られているので、新しい計算を行う必要がないからです。新しい条件下での予測にも使えるより実用的な方法として、実験や測定結果と組み合わせたPINNが提案されています。そこで、今回はこの活用例を2つ紹介したいと思います。
続きを読む
こんにちは、データアナリティクス部のロバート・フバッチです。以前のブログ「有機合成分野へのLLM適用」で、大規模言語モデルを有機合成に利用することについて書きました。このようなモデルの利用は、新しい有機化合物の生産を容易にし、コストを削減すると予測されています。さらに、これらのモデルの応用範囲は、化学全体の分野に拡大することができます。
大規模言語モデルの発展は、テキストの理解を向上させるだけでなく、画像や音声など他の情報伝達手段の理解にも向かっています。このような言語モデルはマルチモーダルモデルと呼ばれます。マルチモーダル言語モデルを化学に応用することで、追加のメリットが得られることがわかっています。この場合、モデルは通常のテキストだけでなく、化合物の分子や化学反応を表す図も分析します。これらの図は、写真や手書きのスケッチの形式で提供されることもあります。このブログでは、化学の分野におけるマルチモーダル言語モデルの応用例を2つ紹介したいと思います。
続きを読む
こんにちは！
SJC共同開発推進室の菊池です。
就職活動中、IT企業の説明会などでよく「エンジニアにもコミュニケーション能力が必要だ」と言われましたよね。
ただ、コミュニケーション能力の中でも、どのような能力が求められるかまで言われた人は少ないのではないでしょうか。
本記事では、私自身の経験をもとに、エンジニアに求められるコミュニケーション能力について説明していきます。
こんにちは！
クラウドソリューション開発部の大川です。
今回は、React NativeでHTMLコードを混ぜて使ってみた話を紹介したいと思います！
「えっ、ネイティブアプリにHTMLを混ぜるってどういうこと？」と思った方、実はこれがとても便利なんですよ・・・！
では早速、その体験談をお届けします！
お疲れ様です！
SJC共同開発推進室の境田です。
本記事では、Eclipseのコード補完機能を検証し、その使い勝手やメリットを確認します。
続きを読む
