エージェント的スキルの進化によるメタコンテキストエンジニアリング
従来のコンテキストエンジニアリングは人間が設計した固定的なワークフローやスキーマに依存しており、構造的な偏りや設計空間の制限が課題であったが、本研究ではエンジニアリングスキルと成果物を共に進化させる「メタコンテキストエンジニアリング（MCE）」を提案した。
Cog AI Archive
最新の記事
連続制御におけるANNからSNNへの変換を阻む「誤差増幅」の壁
学習済みANNをSNNへ変換する手法は、連続制御タスクにおいて性能が著しく低下するが、その主因が微小な行動誤差の累積による「状態分布の乖離」と、誤差が時間的に正の相関を持つ「誤差増幅」にあることを突き止めた。
深層内発的驚き正則化制御（DISRC）：疎な環境における効率的な深層Q学習のための生物学に着想を得た機構
従来の深層Q学習（DQN）は固定された学習率や一律の更新スケールに依存するため、報酬が稀な「疎な報酬環境」では学習が不安定になり収束が遅れるという課題がありましたが、本研究は脳のドーパミンによる学習調整機能に着想を得た「深層内発的驚き正則化制御（DISRC）」を提案しました。
共鳴型スパース幾何ネットワーク
共鳴型スパース幾何ネットワーク（RSGN）は、脳の自己組織化されたスパースな接続性と動的な経路選択を模倣し、計算ノードを双曲幾何学空間（ポアンカレ球）に配置することで、従来のTransformerが抱える計算量の増大問題を根本から解決する新しいニューラルアーキテクチャである。
EvolVE：LLMベースのVerilog生成と最適化のための進化的探索
EvolVEは、大規模言語モデル（LLM）を活用してハードウェア記述言語であるVerilogのコード生成と最適化を自動化する、進化的探索アルゴリズムに基づいた革新的なフレームワークである。 機能的正当性を最大化するモンテカルロ木探索（MCTS）と、設計の最適化に特化したアイデア主導型洗練（IGR）という二つの異なる戦略を使い分け、さらに検証プロセスを高速化する構造化テストベンチ生成（STG）を導入している。 評価の結果、既存のベンチマークで世界最高水準の正解率を達成しただけでなく、産業規模の課題を含むIC-RTLベンチマークにおいて、人間による設計を大幅に上回る電力・性能・面積（PPA）の削減に成功した。
制御可能な高レベル特性を持つ連続最適化問題のLLM駆動設計
本研究では、大規模言語モデル（LLM）と進化計算を組み合わせたLLaMEAフレームワークを活用し、多峰性や分離可能性、探索空間の均一性といった特定の高レベルな構造的特性を備えた連続最適化問題を自動的に設計する新しい手法を提案した。