TechnologyAIと様々な先端技術を用いて、お客さまの課題に対応いたします。

AIを活用した創薬分子シミュレーション技術

AIを活用し、生体内で重要な働きを担うタンパク質と薬の候補となる分子との相互作用を解析する技術です。創薬の現場では原子間に働く力を「力場」により模擬したシミュレーションが行なわれていますが、「力場」による量子力学の模擬には限界があり、計算精度が高くないことが課題でした。ータンパク質と分子の相互作用解析にAIを活用することにより、従来の「力場」を用いずに相互作用の評価や
量子力学をより忠実に模擬する新しい「力場」を構成したりすることが可能になるため、相互作用解析を高速かつ高精度に行うことができ、タンパク質と結合する化合物を数百万種の化合物からより速く確実に選ぶことができるようになります。

モード抽出を用いた時空間データ分析技術

固有直交分解(POD)や動的モード分解(DMD)は、実験・観測・シミュレーション等で得た時空間データの複雑な構造を紐解き、それぞれ固有の特性(強度、空間構造、時間変動)をもつ複数の特徴的な要素「モード」を取り出す技術です。
時空間データの「特徴抽出」は現象の本質的な理解を促進するとともに、現象に支配的な影響をもたらすモードを特定することで、「次元削減」による現象記述の効率化に繋がります。さらに、あるデータの特徴を多分に含むモードを様々に合成すれば、それに類似した現象に関するデータを大量に「標本生成」することができ、統計的な処理に基づく現象の不確実性分析を実施することも可能となります。

グラフ畳み込みニューラルネットワーク（GCN）による物性予測技術

グラフ畳み込みニューラルネットワーク(GCN)は、ノード(節)とノード間をつなぐエッジ(枝)とで構成されるグラフと呼ばれる数学的構造を入力層として取り扱うことができるニューラルネットワークの一種です。
交通網・通信網や人的ネットワークなどグラフで表現できるものは数多くありますが、物理・化学の分野ではマテリアルズインフォーマティクス(MI)への応用が期待されており、物質材料の構成要素である分子や結晶に対して、原子をノード、原子間の結合をエッジに対応させることでグラフとして表現することができるため、原子種やその結合状況から定まるような様々な物理化学性状の予測を高精度化することができます。

景気動向指数の予測

AI(深層学習)を活用し、景気動向指数（CI一致指数）を予測する技術です。本事例では景気動向指数（CI一致指数）を予測するモデルとなっていますが、対象に合せて様々な深層学習モデル(RNN、LSTM、CNN、GAN等)を活用することで、景気動向指数以外の数値を予測することも可能です。

レポート：AIが予測する日本経済の先行き(PDFファイル)

キャッシュレス決済の不正検知

紙幣や硬貨といった現金を使わないキャッシュレス決済は、現在急速に普及しつつある状況です。キャッシュレス決済の増加に比例して不正利用は年々増加し、その手口も複雑化し対応が難しくなってきています。
これらの不正に対して従来のような一律のルールを設定して対抗する方法ではある程度は有効ですが対応できないものも増えてきており、ユーザーごとの利用状況に合わせた監視方法が必要となってきています。しかし、個別のユーザーごとにルールを手動で設定するのは現実的ではありません。
利用者の取引情報を元に、機械学習でユーザーごとに不正利用を判定するモデルを開発しました。このモデルを活用する事で、従来の対応では不正と判定できなかった取引に対しても不正と判定する事ができ、不正利用による被害・損失の最小化が可能となります。
また、一般的な取引情報を元に判定するモデルである為、既存のシステムを大きく変更する事なく導入する事が可能です。