ニューロジカ、信号処理分野のトップカンファレンス「ICASSP 2026」で論文2本が口頭発表に選出

〜時系列予測モデル「DecompSSM」とバイタル再構成「PENGUIN」の研究成果を発表〜

株式会社ニューロジカ

2026年3月31日 11時43分

株式会社ニューロジカ（本社：東京都渋谷区、代表取締役：ピークエイダンゼファー）は、音声・音響・信号処理およびその関連分野において最も権威のある国際会議の一つである「ICASSP 2026」（スペイン・バルセロナで開催予定）にて、2本の論文が採択されたことをお知らせいたします。

今回採択されたのは、多変量時系列予測の精度向上を実現する「DecompSSM」、およびPPG（光電容積脈波）から複数のバイタルサインを再構成可能な「PENGUIN」の2本です。なお、本2件はいずれも「Oral（口頭発表）」として選出されております。

「ICASSP」について

「ICASSP (International Conference on Acoustics, Speech, and Signal Processing)」は、IEEE Signal Processing Societyが主催する、信号処理とその応用分野における世界最大級の国際会議です。世界中の大学や企業から研究成果が投稿され、厳正な査読を通過した論文のみが採択されます。

採択論文の概要

1. 多変量時系列予測モデル「DecompSSM」

【論文題目】

A Decomposition-based State Space Model for Multivariate Time-series Forecasting

【著者】

長嶋隼矢、鈴木駿太郎、小山修生、平野愼之助

【研究の成果と実用性】

気象、電力、金融などの多変量時系列データは、長期的なトレンドや周期的な変動、そして不規則なノイズが混在しており、高精度な予測が困難です。

本研究では、深層状態空間モデル（SSM）を用いて、多変量時系列データを「トレンド・季節性・残差」に分解して学習する「DecompSSM」を提案しました。

本AIモデルは、製造業におけるエネルギー消費量の予測や、太陽光・風力発電の出力予測、金融市場の価格変動分析といった、複雑な相関を持つ時系列データの解析において、従来のAIモデルを上回る予測精度を達成しました。

2. バイタルサイン再構成フレームワーク「PENGUIN」

【論文題目】

PENGUIN:General Vital Sign Reconstruction from PPG with Flow Matching State Space Model

【著者】

鈴木駿太郎、小山修生、平野愼之助、長嶋隼矢

【研究の成果と実用性】

スマートウォッチ等で測定されるPPG信号は、低コストで取得可能であり、連続的な生体モニタリングに有望な計測手法です。一方で、体動などに起因するノイズの影響を受けやすく、生体指標の精密な推定には課題がありました。

本研究では、「フローマッチング」を状態空間モデルに統合した「PENGUIN」を考案しました。これにより、ノイズの混入しやすいPPG信号から、心電図や動脈血圧、呼吸状態などを連続的な波形として高精度に復元することが可能になります。ウェアラブルデバイスを用いた継続的な健康モニタリングの信頼性を向上させる技術として期待されます。

今後の展望

今回発表する「DecompSSM」および「PENGUIN」の技術は、ヘルスケア製品の機能向上や、産業データの予測精度向上に寄与することが期待されます。株式会社ニューロジカは、これらの研究成果の社会実装を見据え、AIモデルの開発を通じて実社会の課題解決に向けた具体的なソリューションの提供を進めてまいります。