佐々木秀徳准教授と東京工科大学による共同研究論文が、国際会議「The 22nd Biennial Conference on Electromagnetic Field Computation（CEFC 2026）」において、「Best Paper Award」を受賞しました。
2026/06/17
矢野行祐さん(東京工科大学大学院コンピュータサイエンス専攻修士2年)，佐々木秀徳 准教授，中西崇文 教授(東京工科大学コンピュータサイエンス学部)，生野 壮一郎教授(東京工科大学コンピュータサイエンス学部)が2026年6月7日から10日にギリシャ・テッサロニキで開催された国際会議「The 22nd Biennial Conference on Electromagnetic Field Computation（CEFC 2026）」において、「Best Paper Award」を受賞しました。
受賞者：
矢野 行祐1，佐々木 秀徳2，中西 崇文3，生野 壮一郎3
2: Faculty of Science and Engineering, Hosei University, Japan
3: School of Computer Science, Tokyo University of Technology, Japan
学会名：
The 22nd Biennial Conference on Electromagnetic Field Computation(CEFC 2026）
受賞名：
Best Paper Award
受賞日：
2026年6月10日
受賞論文：
Approximate Inverse Model Explanations for Local Contribution Analysis of Interior Permanent Magnet Synchronous Motor Torque Prediction
研究概要：
受賞論文では、埋込磁石同期モータ（Interior Permanent Magnet Synchronous Motor：IPMSM）のトルクを予測するニューラルネットワークに、説明可能AI（Explainable AI：XAI）の手法を適用しました。
ニューラルネットワークを利用することで、モータの形状や材料分布から性能を高速に予測できますが、その予測根拠を理解することは容易ではありません。
本研究では、トポロジー最適化によって生成されたIPMSMの断面材料分布画像からトルクを予測する畳み込みニューラルネットワーク（CNN）を構築し、説明可能AI手法「Approximate Inverse Model Explanations（AIME）」を適用しました。これにより、モータ内部の各領域がトルク予測にどのように寄与しているかを可視化・定量化しました。
解析の結果、低トルクのモータでは空気領域が、高トルクのモータでは磁石および鉄領域が予測に大きく寄与する傾向が確認されました。
今後の課題・研究：
本成果は、モータの形状や材料配置と予測結果との関係を理解するための知見を提供するものであり、今後は他の説明可能AI手法との比較やモータ設計最適化への応用を進める予定です。
