佐藤桂輔 研究室

当研究室では、高専本科生・専攻科生が酸化物磁性材料の実験研究や、機械学習を用いた材料設計に取り組んでいます。 最近、その成果が少しずつ査読論文として形になってきました。研究業績に掲載している論文の一部には、当研究室の学生が在学中に実験、解析、議論、発表等に関わった成果が含まれています。 一方で、これらの成果の多くは、在学中に論文掲載まで到達したものではありません。高専本科生や専攻科生の研究期間は限られており、研究として面白い結果が得られても、査読論文としてまとめるには、卒業後の追加検討、再解析、執筆、査読対応が必要になることがあります。 それでも、学生が在学中に作った研究の核が、卒業後に論文として社会に残ることには大きな意味があります。高専での研究活動は、短い期間であっても、本物の問いに向き合い、試料を作り、測定し、データを読み、議論する経験です。その経験が、後に査読論文へと結びつくことがあります。 当研究室では、学生の研究成果を一過性のものにせず、可能な限り丁寧に記録し、知として残していきたいと考えています。論文掲載を約束することはできませんが、研究として価値のある成果が得られたときには、その成果が埋もれないよう、教員として責任を持って向き合います。

教育用プロジェクト「Codexで作る夏目漱石 MiniGPT」をGitHubで公開しました。 このプロジェクトは、Codex App / Codex CLI と協働しながら、青空文庫の夏目漱石作品を用いて小型GPTをゼロから学習する流れを体験するための教材です。ここでいう「ゼロから」とは、事前学習済みの大規模言語モデルの重みを使うのではなく、ランダム初期化した小型のGPT型モデルを、収集・整形したテキストデータで学習するという意味です。 目的は、夏目漱石を再現するAIを作ることではありません。学生や初学者が、データ収集、テキスト整形、文字単位トークナイザ、事前学習、損失曲線の観察、生成文の観察という一連の流れを、手元のPCで追体験できるようにすることです。 リポジトリには、青空文庫本文や学習済みcheckpointは同梱していません。本文データは実行時に取得し、学習結果も各自の環境で生成する前提にしています。由来情報、権利、データ整形、失敗ログを含めて教材化することを重視しています。 研究室では、生成AIを「使う」だけでなく、仕組みや限界を観察しながら学ぶための教材づくりにも取り組んでいます。今回の公開は、そのための小さな実践の一つです。 関連リンク: GitHub: codex-soseki-minigpt 公開資料

本日公開されたOpenAIの画像生成AI「gpt-image-2」を使って、研究室紹介のインフォグラフィックと、研究テーマを6コマで描いた漫画を作成してみました。 日本語が崩れず、構図や情報設計も一発でここまで来るのか、と率直に驚きました。ここ1〜2年の進歩のスピード、本当に速いですね。 Claudeにレビューしてもらったら ふと思い立って、出来上がった画像をClaudeに見せて感想をたずねたところ、専門用語の微妙な違和感を的確に指摘してくれました。 「磁気秩序状態効果」→「磁気秩序状態」で十分 「実験支援材料記述」→「材料記述子による実験支援」のほうが自然 「教育資材」→一般には「教材」 「役割演習」→「ロールプレイ」の直訳っぽい ぱっと見は完璧に見えるのに、専門家の目で読むと微妙な表現が残っている。これまたよく気付くな、と二重の驚きでした。 画像生成AIとLLM、それぞれの得意 画像生成AIは視覚的な完成度を、LLMは意味論的な精度を。それぞれのAIに得意領域があり、相互にチェックさせると仕上がりが一段上がる。AI時代のものづくりの一面を、改めて感じた朝でした。

大規模言語モデル（LLM）を用いた物理試験の採点支援システムに関する教育実践論文が、『大学の物理教育』に掲載されました。 論文情報: タイトル: “大規模言語モデルを用いた物理試験の採点支援システムの実践” 英文タイトル: “Practical Implementation of a Large Language Model–Based Grading Support System for Physics Exams” 著者: 佐藤桂輔 掲載誌: 大学の物理教育, Vol. 32, No. 1 (2026), p. 19 本研究では、高専の物理科目（応用物理I・波動分野）の定期試験を対象に、LLMが採点基準に基づいて観点別評価とフィードバックコメントを自動生成し、手書き答案に注釈付きPDFとして返却するシステムを構築・実践しました。 教員による最終確認を前提とした運用で、LLM判断の修正率は約1.7%にとどまり、学生アンケートでは全項目で平均4.1以上（5段階）の肯定的評価が得られました。LLMを「教員の代替」ではなく「採点作業とフィードバック生成を支援するツール」と位置づけることで、採点精度と学生の受容性の両立を探った実践報告です。

オンライン教材「物理からはじめる説明の作法 ― 物理現象をめぐる説明の構築と批判を通して」を公開しました。 📘 教材を読む この教材が扱うこと 本教材は、物理の公式や解法を教えるための教材ではありません。 「見たこととそこから言えることを分ける」「条件を示して主張する」「証拠で支える」「限界を認める」――こうした説明の組み立て方を、物理現象を題材にして身につけるための教材です。 教材の概要 高校物理を学んでいる、あるいは学び終えた方を想定し、全12章の三部構成で学びます。 第I部　見る・分ける（第1〜4章） 第1章　見えたことと、そこから言えること 第2章　主張を支える三つの柱 第3章　グラフは何を語り、何を語らないか 第4章　断言を、条件つきの主張へ 第II部　つなぐ・組み立てる（第5〜8章） 第5章　モデルは「嘘」ではなく、道具である 第6章　何を変え、何を固定すればよいか 第7章　同じ現象を、同じ内容で語れているか 第8章　どこまでなら言えるのか 第III部　比べる・批判する（第9〜12章） 第9章　説明の骨組みを見えるようにする 第10章　たとえは、どこまで助けになり、どこで誤解を生むのか 第11章　もっともらしい説明を、どう公正に疑うか 第12章　科学を、社会に届く形で語る 本教材の特徴 独学でも授業でも ― 各章に小課題と解答例を配置し、一人でも読み進められる設計です 物理を足場に ― 物理現象を題材にしていますが、身につく力はあらゆる場面で使える思考の技術です 条件を貫くテーマに ― 断言に潜む条件、モデルの前提、統制変数、適用範囲、限定、反駁と、形を変えながら「条件」というテーマが全章を貫いています ぜひご活用ください。ご意見・ご感想はお問い合わせページよりお寄せください。

オンライン教材「AIと協働する技術 ― エージェント・ハーネス設計の12講」を公開しました。 📘 教材を読む この教材は「プログラミング」の教材ではありません 本教材は、PythonやAPIの使い方を学ぶプログラミング教材ではありません。 AIに「何をさせるか」「どう役割を分けるか」「どこまで任せるか」――こうした設計の考え方を身につけるための教材です。コードを書かなくても、ChatGPTやClaudeなどの生成AIを日常的に使っている方であれば、十分に読み進められます。 教材の概要 AIエージェントの「賢さ」ではなく「働かせ方の構造」を理解し、道具設計・計画管理・役割分担・安全統制を自ら設計できるようになることを目指しています。 高専・高校・大学の1〜2年生を主な読者として想定し、全12章の2部構成で学びます。 Part I　基盤：1体のAIを働かせる（第1〜6章） 第1章　AIを「魔法」ではなく「系」として見る 第2章　1つのループがエージェントを生む 第3章　AIに道具を持たせる 第4章　計画しないAIは迷う 第5章　必要な知識を、必要なときに読む 第6章　AIは忘れる――文脈と要約の設計 Part II　協調：複数のAIを設計する（第7〜12章） 第7章　役割分担でAIを強くする 第8章　仕事を分解し、依存を設計する 第9章　AI同士が連絡するとき、何が必要か 第10章　自分で仕事を見つけるAI 第11章　互いに邪魔しない作業空間をつくる 第12章　安全・権限・倫理――最後に人間が責任を持つ 本教材の特徴 プログラミング不要 ― コードではなく、AIの「外側の設計」（道具、計画、知識管理、役割分担、権限）を扱います 身近な比喩で理解 ― 物理実験の手順になぞらえて、AIの働かせ方を段階的に学べます 人間が主役 ― 「AIの出力に対する最終責任は人間にある」という原則を全体を通じて重視しています ぜひご活用ください。ご意見・ご感想はお問い合わせページよりお寄せください。

2025年12月18日、東海村立東海中学校にて、教職員の皆さま向けに生成AIの研修を担当させていただきました。 当日は約30名の先生方にご参加いただき、前半は生成AIの基本的な仕組みと、教育現場で扱う際の留意点を確認しながら、校務での具体的な使いどころを整理しました。 後半は、学校の環境で Microsoft Copilot Chat を利用できたこともあり、実際に手を動かす時間を十分に確保できました。 参加者の皆さまと一緒に確かめながら進められたのが印象的でした。 研修で扱った例（抜粋）： 学校だより・保護者向け文書のたたき台作成 校務の定型文の整備 今回の研修が、先生方の校務や授業づくりの負担軽減と質の向上につながれば幸いです。 研修のご相談は、お問い合わせ からお気軽にご連絡ください。

2025年11月29日（土）と30日（日）は，地域のみなさんと先生方と一緒に，AIとの付き合い方について考える2日間になりました． 11月29日（土）佐野中学区での講演 佐野中学区の自治会，民生委員の方々を中心とした会にお招きいただき，「わが子とAI，どうつきあう？」というテーマでお話ししました． 参加された皆さんからは，熱心にメモを取りながらうなずいてくださる姿や，具体的なご質問をいただきました． AIを「怖いもの」として遠ざけるのではなく，「一緒に学びながら距離感を探っていく存在」として捉えようとする前向きな姿勢が，とても印象的でした． 11月30日（日）教育実践学会第33回大会 翌日は，教育実践学会第33回大会（学会設立30周年記念）に参加し，AI時代の教育に関する実践報告や公開シンポジウムに関わりました． AIを授業や校務で積極的に活用されている先生方の報告を伺い，日々の試行錯誤や工夫の具体的な事例から多くの学びを得ました． シンポジウムでは，他の登壇者の先生方とともに，「AI時代の学びをどのように支えるか」について議論しました．登壇中はなんとか凌いだという感覚もありましたが，終わったあとに「今度，一緒にAIを使った授業づくりをやってみましょう」と声をかけていただき，新しい協働のきっかけが生まれつつあります． 地域のみなさんとの対話と，教育実践の現場での議論がつながった，印象深い週末になりました．

OpenAI から gpt-5.1-pro が公開されました。新しいモデルに触れるとき、私は毎回「1年前に自分が書いた LinkedIn 投稿をどのように読み取るか」をひとつの指標にしています。 この LinkedIn 投稿はいまでも気に入っていて、モデルごとに少しずつ違う読み方を見せてくれるのを楽しんできました。 今回 gpt-5.1-pro と向き合ったときにも、思わず「まじか」とつぶやいてしまう一言が返ってきました。その具体的なやりとりについては後半で触れつつ、ここではまず、きっかけになった LinkedIn のテキストを原文のまま残しておきたいと思います。 Below is the LinkedIn post I originally wrote in English one year ago: Let us reflect on the true essence of dialogue. There is a saying that “A knife is a chef’s life.” A chef treats their knife with the utmost respect, maintaining it with care and fostering a deep bond with their tool. This represents a relationship that transcends mere tool usage, evolving into something more profound. ...

PPMS Dynacoolの測定データを共同研究者に送るため、データ処理プログラムを作り直しました。実は、2年前の2023年12月にも同様のプログラムを作成していたのですが、そのプログラムが行方不明になってしまいました。 プログラムの再作成 今回、改めてゼロから作成したところ、実働わずか15分程度でプログラムが完成しました。全体でも2時間かかっていません。 機能: PPMSの測定データファイルをドラッグ＆ドロップ 自動的にグラフを生成 CSV形式でデータを出力 前回との最も大きな違いは、配布用のexeファイルまで作成できたことです。2023年時点では、Pythonスクリプトとしての作成に留まっていましたが、今回は実行ファイル化まで完了しました。 技術の進歩を実感 2023年当時も「Python 1年生、2年生（森巧尚著）」を参考に、比較的短時間でプログラムを作成できたことに驚いていました。それでも、20年前にVisual C++で測定器のデータ取得プログラムを作った時と比べれば、格段に効率的でした。 そして今回、さらに2年が経過した2025年。開発環境、ライブラリ、そして生成AIのサポートも含めて、技術進歩のスピードには改めて驚かされます。 プログラミング環境の変化 このような開発効率の向上は、単に個人のスキルが上がっただけではなく、以下のような環境の変化によるものと感じています： Pythonライブラリの充実と使いやすさの向上 PyInstallerなどのexe化ツールの安定性向上 ドキュメントやコミュニティの充実 生成AIによるコーディング支援←ここが今回は大きい！ 研究活動において、データ処理の効率化は非常に重要です。このようなツールを短時間で作成できる環境があることは、研究の生産性向上に直結します。 技術の進歩は、本当に速いですね。