Shota Ono

Shota Ono

Shota ONO received his B.E. degree in Electronic Information Systems from the Shibaura Institute of Technology, Tokyo, Japan, in 2019.

He then received his M.S. degree from the Graduate School of Frontier Sciences, The University of Tokyo, Tokyo, Japan, in 2021.

He received his Ph.D. degree from the Graduate School of Frontier Sciences, The University of Tokyo, Japan, in March 2024.

Since April 2024, he has been working as a Research Associate at the Nakao Laboratory, Department of System Innovation, School of Engineering, The University of Tokyo.

His research interests include local networks, federated learning, and AI-RAN.

Share this speaker
Share This Speaker
  • Organization
    The University of Tokyo
  • Profession
    Research Associate
Related sessions
Discovery - AI/ML in 5G
Online
21 August 2025
09:00 - 10:00
EST - New York
CST - Beijing
PST - Los Angeles
AWST - Perth, Australia
モバイル通信を行うには、場所ごとの電波の伝搬状況を知ることが、通信の安定化にとって重要である。特に、直進性の高い伝搬を行う、ミリ波のような高い周波数を利用する場合は、場所ごとの電波伝搬は建物などの環境に左右されやすい。しかし、場所ごとの電波伝搬を、周波数ごとに実測で確認するには、コスト、労力の面から現実的ではない。この問題を解決する手法として、少量の電波伝搬の測定情報と、建物といった環境情報からAI/MLを利用して、エリア全体の電波伝搬を推定する手法がある。本手法を利用するには、AIモデルはもちろんのこと、多数の電波伝搬情報からどの情報を利用するとより正確にエリア全体の電波伝搬が推定するかが課題となる。本チャレンジでは、与えられた電波伝搬損失の情報、環境情報としての建物を含む3Dマップを用いて、AIモデルの構築、及びデータ選択の手法を検討する。取り組むアプローチは自由であり、物理的な電波伝搬をベースに検討する手法、3Dマップを用いる/用いないデータ分析的な手法が考えられる。なお、上位入賞者には、KDDI総合研究所から総額3,000CHFの賞金が提供される。 Learning Objectives: 無線伝搬に関するモデリング手法を比較する データセットを用いてモデルを設計・構築する アプリケーションやコードを用いてモデルを構築・実演する 各設計反復およびモデルから得られた結果、推論、知見を説明する Recommended Mastery Level...
In person
10 July 2025
09:00 - 17:15
EST - New York
CST - Beijing
PST - Los Angeles
AWST - Perth, Australia
This workshop marks the 3rd edition of the MLComm series,...