液体のように学ぶ AI──Liquid Neural Network（LNN）の現在地と未来図（Mavericks風）
1｜LNN とは何か──理論と内部構造を深掘り
Liquid Neural Network（LNN） は Liquid Time-Constant Network（LTC） とも呼ばれる「連続時間型 RNN」です。各ニューロンの状態 xi(t)x_i(t) は
τi(x) xi˙(t)=−xi(t)+σ (Wi ⊤u(t))\tau_i(x)\,\dot{x_i}(t)=-x_i(t)+\sigma\!\bigl(W_i^{\!\top}u(t)\bigr)
で表され、時定数 τi\tau_i 自体が学習・推論フェーズの両方で変化します。これにより、モデルは学習後も環境の変化に合わせて応答を“流動的”に更新できます。2021 年に MIT CSAIL が提案し AAAI 2022 の Best Paper を受賞しました。(MITニュース)
2｜直近のビッグニュース Top 3
この節では、研究・製品・インフラという三つの層で「LNN が何を変えつつあるのか」をざっくり俯瞰します。
① Hyena Edge — スマホで GPT-3 を動かす Liquid LLM
スタートアップ Liquid AI は LNN をベースにしたハイブリッド言語モデル Hyena Edge を発表。
7 B パラメータ版が Samsung Galaxy S24 Ultra 上で GPT-3 同等の困惑度（perplexity）を維持しつつ、推論レイテンシを最大 30 %短縮、消費電力を 5 W 未満に抑えることを実証しました。
エッジ向け LLM のボトルネックであるメモリ帯域とバッテリを同時に解決できる点が業界の注目を集めています。(liquid.ai, Medium)
② 冬の森ドローン実験 — 未知環境への「ゼロショット」適応
MIT CSAIL の研究チームは、夏の森林データだけで訓練した 19 ニューロン版 LNN を積んだドローンを 積雪林・都市街区など分布外（OOD）環境 へ投入。従来の CNN／RNN エージェントを大幅に上回る飛行成功率を達成し、学習後も挙動を更新し続ける LNN の強みを証明しました。結果は Science Robotics に掲載されています。(MITニュース, CSAIL Alliances)
③ 6G ネットワーク最適化 — 3×高速・15 %省電力
2025-04 に公開された arXiv 論文では、セル選択・ハンドオーバー最適化を LNN で置き換えることで 計算時間を 3 倍短縮し、基地局電力を 15 % 削減 できると報告。6G の URLLC（超高信頼低遅延通信）要件を満たす有望アプローチとして、通信インフラ分野からも熱視線が注がれています。(arXiv)
3｜SNS で話題の LNN ツール／ライブラリ
「理論は分かった。で、どう触る？」 という方向けに、コミュニティで支持されている 4 つの OSS をピックアップしました。インストールの手軽さや得意領域がひと目で分かるので、まずは小さな検証から始めてみてください。
— 軽量 PyTorch 実装
— Neural Circuit Policies を簡単呼び出し
PyTorch と TensorFlow 双方に対応し、 で**解析解版 LNN（CfC）**も利用可能。ROS2 ノードと親和性が高く、ロボティクス制御コードにそのまま組み込めます。(GitHub)
CfC — Closed-form Continuous-time NN
Liquid Playground — ブラウザ IDE
4｜実プロジェクト事例 Top 3
| 分野 | Before | After（LNN） | 主要指標 |
| 自動運転 | 雪道・霧で CNN が誤検出 | 19 ニューロン LNN ECU | レーン保持誤差 23 %↓ (MITニュース) |
| 医療デバイス | CNN はバッテリ消費大 | 31 ニューロン LNN 心電解析 | AUC 0.92、消費電力 10×↓ (Nature) |
| 農業ドローン | 突風で散布ずれ | LNN ファーム姿勢制御 | 散布誤差 35 %改善 (CSAIL Alliances) |
5｜ハンズオン：PyTorch で 10 行 LNN
目的：「実際にコードを書いて、ODE ソルバあり／なしの違いと VRAM 使用量を体感する」
- 拡張ポイント : に差し替えて画像分類を試す / に差し替えて解析解版を体験
- 学習 Tips : で時定数をクリップすると発散を防げます。(GitHub)