時系列データを学ぶAIで、数値や波形の予測・異常検知を研究する
時系列データを分野横断で学習し、数値や波形の予測・異常検知・状態分類・欠損補完などに使うAI技術。
技術を使った製品・サービス 時系列予測 時系列基盤モデル 状態空間モデル 機械学習 信号処理 異常検知
実用化の段階
研究実証販売
時系列モデルの研究成果は学会採択・公開され、ICUの疼痛等の推定も大学との研究段階であり、製品の販売実績や医療現場での導入は確認できない。
3製品
2提携・顧客
0特許
0出資者
しくみ
解こうとしている課題
電力・医療・製造などの時系列データでは、予測の誤りや異常の見逃しが調達・保全・医療判断に影響する。用途ごとのモデル開発負担や、不規則な観測・ノイズへの対応も課題としている。
どう動くか
公開研究のDecompSSMは、時系列をトレンド・周期・残差に分け、それぞれに適した状態空間モデルで学習する。会社はこれを時系列基盤モデル開発の技術的土台としている。別の研究PENGUINは、脈波（PPG）を条件に生成モデルで心電図・呼吸・血圧の波形を再構成する。会社は多様な系列を事前学習することで、用途ごとの専用モデル開発を減らす構想を示している。
できるようになること
同社は、需要・設備状態・生体信号などの見通しを現場の判断につなげ、調達や保全、医療対応の時期を改善することを目指す。実際の事業効果や広範な導入実績は公開情報から確認できない。
技術の出自：特定大学からの技術移転や研究プロジェクトに由来するとの公開情報は確認できず。現在の公開研究は同社の時系列AI研究開発。 出典1 出典2 出典3 出典4
使われる場面
- 時系列予測（電力需要・価格、金融、製造、物流、小売、農業、気象・防災）
- 設備・データの異常検知、状態分類、欠損補完
- PPG脈波からの心電図・呼吸・血圧波形再構成
- ICUのバイタル信号を用いた疼痛等の評価支援
- 空港手荷物識別技術の開発提案
優位性の主張
製品・サービス
これまでの歩み 新しい順
提携先・顧客
特許
公開情報では確認できていない。
会社の規模
従業員2名 出典（Gビズインフォ）
公式サイトneurogica.com