溶接部特性予測モデリング手法の開発では、LSRF5法（Least Squares-assisted Rule Extraction from Facts Method Version 5）を提案した。この手法は、構造を工夫したニューラルネットワーク（RF5法）と最小二乗近似を組み合わせており、入力と出力（予測対象である溶接部特性）の関係を明確にする特性予測式を構築できる。構築モデルを活用することで、溶接部の設計や施工において、短時間かつ高い信頼性で、技能に依らず溶接部特性を予測することが可能になる（上図は突合せ継手の疲労特性予測モデル構築例）。
3D組織像からの組織抽出手法の開発では、複雑な鉄鋼材料の3D組織像から単一の組織を抽出するため、改良GrowCut法を提案した。この手法は、セルオートマトン法をベースにしたセグメンテーション手法であるGrowCut法を発展させたもので、高精度な組織抽出が可能になる（上図はマルテンサイトラスの3D形状抽出例）。
溶接解析のための溶接入熱特性決定手法の開発では、溶接試験から得られる温度履歴や溶融部形状情報から畳み込みニューラルネットワークにより特徴抽出し、適切な溶接入熱特性を決定する手法を提案した。これにより、従来は、解析技術者が経験に頼っていた溶接現象を正確に再現するための溶接入熱特性の決定を自動化でき、溶接シミュレーションの脱技能化が達成される（上図は溶接入熱特性決定フローの概要）。
以上の研究を発展・応用することにより、様々な情報を得るためのAI・センシング技術と技術者の協働による溶接Digital Transformationの実現を目指している。