For Students
学生の方へ
研究室で大切にしていること
考えること
研究を進めるうえでもっとも重要なことは考えることです。
研究テーマを設定する際にも多くの情報から具体的にどのようなテーマを設定するか考える必要があります。また、テーマを設定した後も、どのように目的を達成するか考える必要があります。一人で考え抜くことは大変かもしれません。その場合は教員や研究室のメンバーなど他の人の考えを聞いてみると良いと思います。自身と他者の考えを統合することで新たなアイデアになります。
挑戦してみること
機会があるのに挑戦しないことはもったいないです。
考えがある程度まとまったら挑戦してみましょう。自らの体験から得られる知識や技術は身につきやすいです。また、そもそも挑戦する機会がない場合もあります。挑戦する機会があることは幸運なことでもありますので、積極的に挑戦してみましょう。
失敗を恐れないこと
失敗から得られることは成功することよりも圧倒的に多いです。
失敗した際には「なぜ失敗したのか？」や「成功するためにはどうすればよいのか？」を考えることで成功に導くことができます。また、失敗しそうなことでも説教句的に挑戦してみましょう。失敗せずに世紀の発明となることもあります。現在、照明やディスプレイに使用されている青色のLEDは不調な実験機器によって発明されました。危機の不調により実験を取りやめていると世紀の発明には至らなかったと思います。 これらのことから当研究室では考え、失敗を恐れず積極的に挑戦し、失敗した場合には失敗から学ぶことを重視しています。これらは研究以外にも役に立ちます。大学を卒業すると失敗することが難しくなります。失敗できる環境に身を置いている間に失敗からの学び方を会得しましょう。そのために、積極的に挑戦すること、挑戦する機会を得るために考えることを重視しています。
よくある質問と回答
研究室配属は志望動機と大学での学び、研究室とのマッチングなどを総合的に判断します。大学での学びについては、成績も重要ではありますが、それ以上に、「なぜその科目を履修したのか」や、「その科目を履修し学んだことは何か」などを重視しています。
配属にあたって必須科目はありません。具体的な研究テーマを決定するまで必要となる技術やスキルが確定しないためです。もちろん、システム工学やプログラミング、AIのように多くの研究で活用できる科目もありますが、すべての研究で必須というわけではありません。研究では皆さんが学んだ、もしくは新たに学ぶ知識や技術を駆使して進めます。また、一見研究と関係ない知識や技術においても、ふとしたひらめきによって研究に応用できることがあります。したがって、履修が必須な科目はとくにありません。これまで学んだことを応用できるように知識や技術の定着ができていると良いと思います。
研究室配属前に求めているスキルはありません。研究を進めるうえで必要となったスキルについては積極的に習得してほしいと考えています。ただ、プログラミングやアルゴリズム、AI利用については苦手意識がないと良いと思います。プログラミングやAIを利用することで多くの単純な作業を効果的に処理することができます。
まったく問題ありません。むしろ、これからの時代はAIをツールとして使いこなすことが重要だと考えています。
当研究室では、配属された学生が最新のAI技術を習得できるようにAIゼミを実施しています。このゼミでは、生成AIの基礎から、AIエージェントの構築などを段階的に学ぶことができます。
たとえ研究テーマ自体がAIでなくても、研究活動を加速させる強力なパートナーとしてAIを活用できるよう、サポート体制を整えています。AIに興味があり、それを活用して何か新しいことに挑戦したいという意欲があれば、前提知識は不問です。
社会に関する大まかなテーマについては皆さんが関心のあるものを設定してほしいと考えています。たとえば、「人工社会を作ってみたい」や「人を救う研究をしたい」などです。大まかなテーマから具体化する際には文献調査やゼミを通じて、皆さんと相談しながら決定します。もちろん、こちらからテーマを提示することもできます。
修士課程に進学する学生は、研究室配属直後に修士修了後の進路（就職先の職種や業種など）を考慮し、インターンや就職活動でアピールできるように3年計画での研究テーマを相談しながら設定しています。
授業実施期間は対面でゼミを実施しています。 休暇期間は必要に応じてオンラインで実施しています。 年末年始やお盆休みなどはゼミを実施する予定はありません。
4年生から研究室配属となる場合の大まかな年間スケジュールの例は以下になります。
4年生
| 月 | イベント |
|---|---|
| 2月末 | 研究室配属決定 |
| 3月 | AIゼミI1 |
| 4月〜5月 | 文献調査、研究テーマ決定 |
| 6月 | 概要執筆、発表練習 |
| 7月 | 総合研究I 発表会 |
| 8月 | AIゼミII2、研究着手 |
| 9月 | 学会発表3、実装など |
| 10月〜11月 | 実験・考察など |
| 12月 | 論文執筆 |
| 1月 | 発表練習 |
| 2月 | 総合研究II 発表会 |
| 3月 | 学会発表4、卒業式 |
-
配属が決まった学生の顔合わせも兼ねて、生成AIの基本的な知識・技術を習得するためのゼミです。 ↩
-
生成AIを応用して研究を進められるように実践的な知識・技術を習得するためのゼミです。総合研究Iの発表会後に実施を予定していますが、年度によって実施時期が前後する可能性があります。 ↩
-
総合研究Iの発表会では分野が異なる教員に対しての発表となります。この学会発表では同じ専門の研究者や学生が集まり、合宿形式で発表と聴講を行うことで、研究を進める上で重要なヒントやフィードバックを得る機会となっています。例年、三浦海岸で実施しています。旅費や宿泊費は研究室から支給しています。 ↩
-
例年、総合研究で取り組んだ内容を、同じ専門分野の研究者や学生の前で発表し、研究の集大成としています。希望者は現地（石垣島で実施されることが多いです）で発表することも可能です。旅費や宿泊費は研究室から支給しています。 ↩
研究室の学生全員でのゼミは実施していますが、毎日特定の時間帯に集まるという意味でのコアタイムは考えていません。
研究室でプログラミング言語を統一することは考えていません。皆さんが得意な言語や研究を進めるうえで楽な言語を選定してもらえればと考えています。たとえば、データ分析や機械学習をする場合はPython、GPUを使用した技術開発をする場合はCUDA C++などです。原田自身もC++やC#、Rust、Python、SQLなど、さまざまな言語を目的に応じて使い分けています。プログラミング言語については研究を進める際に相談してもらえればと考えています。例年、学生はC言語やC++、Java、Pythonなどを使用して研究を進めています。
まったく問題ありません。研究室では以下の計算資源を整備しており、必要に応じてリモートアクセスできるように設定しています。
- AMD EPYC 7743 × 2基（128コア） 1024 GB ECCメモリ × 1台
- AMD Ryzen Threadripper 3990x（64コア）128 GB ECCメモリ × 1台
- AMD Ryzen Threadripper 1950x（16コア）128 GB ECCメモリ × 1台
- AMD Ryzen 9 3950x（16コア）128 GB ECCメモリ × 6台
また、近年では、GPUを使用してデータ分析や機械学習などの汎用計算の高速化がされています。とくに、直近では大規模言語モデルを動作させたり、学習したりするための環境も整備しています。当研究室では上記の計算機に以下のGPUを搭載して運用しています。
- NVIDIA RTX A6000（48GB VRAM）× 2基
- NVIDIA GeForce RTX 3090（24GB VRAM）× 1基
- NVIDIA GeForce TITAN RTX（24GB VRAM）× 2基
- NVIDIA GeForce RTX 2080 Ti（11GB VRAM）× 1基
当研究室では、これらの資源をクラスタリングし仮想化プラットフォームを構築しています。したがって、Windowsはもちろん、UbuntuなどのLinux環境やGoogleColabのような実行環境を構築し、提供しています。