3年生の3月に研究テーマをいくつか提示し、その中から好きなテーマを選んで研究を進めていきます。
4年生になると、2週間に1回のペースで全体ミーティングを開催します。全体ミーティングを通して、議論する力や発表する力を身につけていきます。
進捗に応じて個別ミーティングを設定します。論文投稿や学会発表の時期には頻度を高め、論文の推敲や発表練習を実施します。
進捗に応じて外部への発信を行います。例えば、目に見える研究成果が出れば、4年生でも国際会議や学術雑誌への投稿を行います。
大学院への進学を目指す学生は、4年生のうちから投稿経験を積むことで、大学院で受給する奨学金の免除や外部ファンドの獲得を目指すことができます。
コアタイムはありません。また、リモートでの研究作業も許容しています（ただし、研究を加速させるため、登校しての研究活動を推奨しています）。
自動会計システムにおける学習コスト削減技術
追加商品に対する再学習コストを削減する新しい自動チェックアウトシステムの研究を行っています。
膨大なバスの運行データの効率的な解析技術・利活用方法
バスの運行事業者からいただいたバスのセンサーデータを解析し、運行状況解析・乗降客解析・消費燃料解析を行っています。
運行データの解析結果から遺伝的アルゴリズムを用いて燃料コストを削減する運転手配置最適化手法の研究を行っています。
ネットワークコンフィグレーションの自動生成技術
ルータやスイッチといったネットワーク機器の設定情報（コンフィグ）を機械学習（教師無し学習）によって解析し、「設定」として意味を持つコンフィグの集合抽出を行っています。
エッジデバイスを用いた映像解析技術
複数のRaspberry PiやJetson Nanoを用いて、複数拠点間でリアルタイムにて撮影された動画の解析基盤を構築しています。
膨大な数のノードによるブロックチェーンネットワークの生成技術
Bitcoinネットワークの決済速度向上手法についての研究を行っています。
ブロックチェーンネットワークを効率化するオーバレイネットワーク技術（分散コンピューティング技術）に関する研究も行っています。
ネットワークの状態に応じたリアルタイム映像解析技術
ネットワークの状況や解析マシンのリソースの状況に応じて、解析アルゴリズムを切り替える手法についての研究を行っております。
深層強化学習を用いたゲームプレイヤーの自動操作技術
深層強化学習をゲームに応用し、高速なゲームクリアを行うエージェントの生成技術についての研究を行っております。
超高精細映像の並列分散解析技術
8k, 16kといった画像を高速にて解析するため、複数のマシンを利用した分散解析技術の研究を行っております。
膨大なネットワークデータの圧縮・復元技術
GAN(Generative Adversarial Networks)を用いて、低解像度のトラフィックデータから高解像度のトラフィックデータを生成する技術の研究を行っております。
仮想マシンにおける動的なマシンリソースの割り当て技術
Dockerコンテナ間で、負荷状況に応じて、割り当てリソースを最適化する研究を行っております。
BGPハイジャック検知技術
複数観測点のBGPメッセージを活用し、インターネットにおける経路ハイジャックを高精度に検知する手法の研究を行っています。
連合学習におけるプライバシ保護型モデル統合技術
分散環境においてプライバシを保護しながらモデル統合を行う連合学習手法の研究を行っています。
ニューラルネットワークの分散管理技術
ニューラルネットワークを分割し、複数のマシンで分散的に実行する基盤やその理論体系に関する研究を行っております。
コンテナ環境におけるeBPFを用いた性能解析技術
eBPFで取得した低レベルデータを用いて、コンテナ化されたWebサーバやストリーミング処理の性能を詳細に解析する研究を行っています。