研究者一覧

機械学習と知識の融合
機械学習は現実のデータから有用なパターンを得ることができますが、性能が訓練データの量や質に大きく左右されてしまいます。そこで、理論や経験的法則などのドメイン知識を機械学習に適切に取り入れることで、データが少ない領域での性能を改善したりある程度の解釈性を担保したりできる可能性があります。そのための技術として、数理モデルと深層学習を直接組み合わせたモデルの学習方法や、複雑なシミュレータの逆問題を機械学習で解く手法などについて研究しています。また、このような技術の様々な科学・産業分野での応用も推し進めています。

データ駆動型力学系解析
多くの現象の背後には力学系（動的システム）を考えることができ、その性質の解析や未来の予測は普遍的な課題です。データに基づいて力学系の解析を行う方法として、クープマン作用素に基づく力学系の取り扱いや、その代表的な数値計算手法である動的モード分解（dynamic mode decomposition, DMD）についての研究を行っています。