Doshisha University · Faculty of Science and Engineering · 教授

Research keywords電磁波・アンテナ・トランスミットアレー・ニューラルネットワーク・フィルタ・マイクロ波・ミリ波・リフレクトアレー・周波数選択板・最適化

This is a public-data preview. Personalized fit, contact angles, and saved workflows require sign-in.

• IEICE Transactions on Electronics, E109.C(4) 135 - 138, 2026年04月01日, 研究論文（学術雑誌）2026 · 論文
• 同志社大学ハリス理化学研究報告, 67(1) 1 - 11, 2026年05月, 研究論文（大学，研究機関等紀要）2026 · 論文
• 電子情報通信学会和文論文誌(C), J109-C(2) 66 - 74, 2026年04月, 研究論文（学術雑誌）2026 · 論文
• IEICE Transactions on Electronics, E109.C(4) 117 - 125, 2026年04月01日, 研究論文（学術雑誌）2026 · 論文

• 日本学術振興会, 科学研究費助成事業, 2025年04月 -2029年03月, 基盤研究(C), 同志社大学2025 · 共同研究・競争的資金等の研究課題
• (I) 深層強化学習を用いたBPFの自動設計：昨年度は深層Qネットワークを用いて複数の仕様の設計過程を一つのニューラルネットワーク（NN）で学習する手法を提案した。しかし、この手法では構造調整量を離散値でしか表現することができず、構造調整の回数や設計可能なフィルタ構造が調整量の刻み幅に依存するという課題があった。そこで2023年度は、強化学習アルゴリズムとしてDDPG（Deep Deterministic Policy Gradient method）を導入した。DDPGを用いれば構造調整量を連続値で表現できるため、構造調整回数を大幅に減らすことができる。この手法と昨年度の提案手法を併用することによって、共振器3段のマイクロストリップBPFを例に中心周波数2.90～3.10 GHz、比帯域幅4～6％の範囲で自動設計が可能なNNを構築した。この範囲で2000通り以上の仕様についてBPFを設計した結果、すべての場合で設計に成功し、本自動設計は初期値依存性が低く高速設計が可能であることを示した。2023 · 共同研究・競争的資金等の研究課題
• マイクロ波帯域通過フィルタ（BPF）の形状自動設計を実現するために、昨年度提案した手法を改善すべく2023年度は強化学習アルゴリズム等の見直しを行い、以下の研究実績を上げた。2023 · 共同研究・競争的資金等の研究課題
• (II) 高速特性計算のための代理モデルの構築：深層強化学習の学習時間短縮には高速にBPFの特性計算を実行するための代理モデルが必須である。しかし、それを構築するためには電磁界解析による教師データの生成が必要であり、それに要する時間が問題であった。そこで、解析時間は短いが解析精度の低いデータを用いてNNを一度構築した後、解析時間は長いが解析精度の高いデータを用いて出力を補正するという代理モデルを提案した。提案法の適用例として3段マイクロストリップBPFを対象に代理モデルを構築し、提案法の有効性を検証した。, 日本学術振興会, 科学研究費助成事業 基盤研究(C), 2022年04月 -2025年03月, 基盤研究(C), 埼玉大学2022 · 共同研究・競争的資金等の研究課題

• Official profile
• ORCID