山田 弘樹 さんが津田塾大学 数学計算機科学研究所 オンライン研究集会「非線形波動から可積分系へ」で 優秀ポスター賞を受賞

【研究目的】
データから直接特徴量を獲得でき、手作業での特徴抽出が不要であるディープラーニングを用いて、WolframのECA（エレメンタリーセルオートマトン）のクラス分けを行うモデルを構築しました。


【研究内容】
本研究で構築したWolframのECAのクラス分けモデルは、100×100のECAの時間発展の画像に対し、正解率100.00%を達成することができました。

また、格子数が異なる場合においても、正解率97.68%と高い精度を得ることができました。

【今後の展望】
本研究で構築したWolframのECAのクラス分けモデルは、ECAの時間発展の画像の特徴を捉え、正しくクラス分けを行っていることが確認できます。

今回構築したモデルを利用することで、ルール数が約7兆個ある3-VFCAの分類などへの応用が期待できます。
今後は、格子数が異なるECAの時間発展の画像に対しても正解率100.00%を達成することに加え、ルール番号を推定するモデルの構築を目指していきたいと考えています。