教員紹介

合原　一幸（あいはら　かずゆき）

東京大学 生産技術研究所
東京大学大学院 情報理工学系研究科 数理情報学専攻
教授

〒153-8505 東京都目黒区駒場 4-6-1 Ce-601 号室
Tel: 03-5452-6691 内線 56691
Fax: 03-5452-6692

〒113-8656 東京都文京区本郷 7-3-1 工学部 6 号館 353 号室
Tel: 03-5841-6910 内線 26910
Fax: 03-5841-8594

E-mail：aihara＠sat.t.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

脳，カオス，複雑系、ゲノムなどに関連した数理的基礎問題を研究している． 具体的な研究テーマとしては，

1. 複雑現象の数理解析
複雑系数理モデル学，カオス工学，複雑系ビッグデータ解析（経済データ，地震データ，感染症伝播データ，風況・日射量データなど），カオス計算論など

2. 脳情報システム理論
人工知能の数理，神経回路網の数理，脳・神経時空間データの非線形解析，脳の学習・自己組織化理論，光電子ニューラルネットワーク論など

3. 疾病の数理モデルと治療への応用
ガンや HIV などの難病の数理モデル構築とその数理モデルに基づくテーラーメードな最適化治療手法や分岐理論解析に基づく動的ネットワークバイオマーカー（DNB）を用いた複雑疾病の未病（疾病前）状態の超早期診断手法など

4. 複雑ネットワークの工学・産業応用
社会インフラシステム，スマートグリッド，コミュニケーションネットワーク，交通流などの工学分野の複雑ネットワークの数理モデル化とその工学・産業応用など

主な論文・著書

中尾裕也，長谷川幹雄，合原一幸：
「ネットワーク・カオス -非線形ダイナミクス，複雑系と情報ネットワーク-」，
情報ネットワーク科学シリーズ 4 (電子情報通信学会 監修), 2017, コロナ社.
合原一幸 編著：
「人工知能はこうして創られる」, 2017, ウェッジ.
合原一幸 編著：
「暮らしを変える驚きの数理工学」, 2015, ウェッジ.
合原一幸 編著：
「社会を変える驚きの数学」, 2008, ウェッジ.
合原一幸, 神崎亮平編著：
「理工学系からの脳科学入門」, 2008, 東京大学出版会.
合原一幸 編著：
「脳はここまで解明された」, 2004, ウェッジ.
合原一幸：
「カオス学入門」, 2001, 放送大学教育振興会.
合原一幸 編：
「複雑系がひらく世界-科学・技術・社会へのインパクト」別冊日経サイエンス 120, 1997, 日経サイエンス社.

教員紹介

谷川　眞一（たにがわ　しんいち）

東京大学大学院 情報理工学系研究科
数理情報学専攻
准教授

〒113-8656 東京都文京区本郷 7-3-1 6号館 340号室
Tel: 03-5841-6906 内線 26906
Fax:

E-mail：tanigawa＠mist.i.u-tokyo.ac.jp

[ホームページ]

 

略歴

研究テーマ

計算幾何学・離散最適化と関連する離散数学の研究を行っています．

●計算幾何学
幾何的対象の代数的・組合せ的性質の関係を解明し，科学・工学の諸問題に現れる幾何データを計算機上で効率的に解析するためのアルゴリズムの設計

●組合せ最適化
グラフやマトロイドなどの離散的対象に関連する最適化問題に対し効率的なアルゴリズムの設計

主な論文・著書

Satoru Fujishige and Shin-ichi Tanigawa: Polynomial combinatorial algorithms for skew-bisubmodular function minimization, Mathematical Programming, to appear, 2017.

Shin-ichi Tanigawa: Singularity degree of the positive semidefinite matrix completion problem, SIAM Journal on Optimization, 27, 986–1009, 2017

Bill Jackson, Tibor Jordan and Shin-ichi Tanigawa: Unique low rank completability of partially filled matrices, Journal of Combinatorial Theory, Series B, 121, 432-462, 2016.

教員紹介

岩田　覚（いわた　さとる）

東京大学大学院 情報理工学系研究科
数理情報学専攻
教授

〒113-8656 東京都文京区本郷 7-3-1 6号館 351号室
Tel: 03-5841-7430 内線 27430
Fax:

E-mail：iwata＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

数理工学全般における基礎的諸問題の解決
・離散最適化： マトロイド・劣モジュラ関数に関する効率的なアルゴリズムの設計と解析
・離散数理工学: 離散最適化手法の工学的応用 (大規模システム解析，化学情報学)

主な論文・著書

S. Iwata and M. Takamatsu: Index minimization of differential-algebraic equations in hybrid analysis for circuit simulation, Mathematical Programming, 103 (2010), 105-121.

J. F. Geelen, S. Iwata, and K. Murota: The linear delta-matroid parity problem, Journal of Combinatorial Theory, B88 (2003), 377-398.

S. Iwata, L. Fleischer, and S. Fujishige: A combinatorial strongly polynomial algorithm for minimizing submodular functions, Journal of the ACM, 48 (2001), 761-777.

教員紹介

大西　立顕（おおにし　たかあき）

東京大学大学院 情報理工学系研究科
ソーシャルICT研究センター
准教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 2 号館 92D3 号室
Tel: 03-5841-8980 内線28980
Fax:

E-mail：ohnishi.takaaki＠i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

我々が日々行っている社会・経済活動に関する多様で詳細な情報が高頻度に記録されるようになってきている．統計科学，経済物理学，社会物理学，複雑ネットワーク科学，複雑系科学，超並列計算などを活用して

1. 時系列データ：金融市場のティックデータ，ニュース時系列，人の行動
2. 時空間データ：不動産市場，商業統計メッシュデータ，人口メッシュデータ，建物の空間分布，都市の発展
3. ネットワークデータ：企業間ネットワーク，振込ネットワーク，貿易ネットワーク，金融市場間の相関構造
4. テキストデータ：新聞，古文書，ウェブ，政治

などのビッグデータを実証科学の視点から研究している．バブル，暴騰・暴落，恐慌，集団行動，流行，集積効果，生産性，ショックの伝播，連鎖倒産・破綻，金融危機，市場間の連鎖，栄枯盛衰といった動的で複雑な社会・経済現象を実データに基づいて分析し，モデル化を行い，予測や制御に役立てることを目指している．

主な論文・著書

Takaaki Ohnishi, Takayuki Mizuno, Chihiro Shimizu, and Tsutomu Watanabe: “Power Laws in Real Estate Prices during Bubble Periods,” International Journal of Modern Physics: Conference Series, vol.16, pp.61-81, 2012.

Takaaki Ohnishi, Hideki Takayasu, Takatoshi Ito, Yuko Hashimoto, Tsutomu Watanabe, and Misako Takayasu: “On the Nonstationarity of the Exchange Rate Process,” International Review of Financial Analysis, vol.23, pp.30-34, 2012.

Takaaki Ohnishi, Hideki Takayasu, and Misako Takayasu: “Network Motifs in Inter-firm Network,” Journal of Economic Interaction and Coordination, vol.5, no.2, pp.171-180, 2010.

Takaaki Ohnishi, Hideki Takayasu, and Misako Takayasu: “Hubs and Authorities on Japanese inter-firm network: Characterization of nodes in very large directed networks,” Progress of Theoretical Physics Supplement, vol.179, pp.157-166, 2009.

教員紹介

鈴木　大慈（すずき　たいじ）

東京大学大学院 情報理工学系研究科
数理情報学専攻
准教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 6 号館 352 号室
Tel: 03-5841-6921 内線26921
Fax:

E-mail：taiji＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

知的な情報処理をいかにして計算機に実行させるかという問題に興味がある．

具体的には機械学習，統計的学習理論，数理統計学，データ解析についてその理論から応用を研究している．これらの研究分野はデータ科学とも呼ばれており，限られた観測データからいかにして有用な情報を取り出し予測や推論に活かすかという方法論を研究する分野である．
１．機械学習の数理：カーネル法や深層学習など機械学習には様々な手法が存在するがそれらの汎化誤差（予測誤差）を理論的に解析することで高い汎化性能を実現させる機構を探求している．
２．高次元統計学：高次元データに埋もれた重要な情報を抜き出す方法論とその理論を研究している．
３．機械学習の高速計算手法：確率的最適化などを用いて大量データ上で効率的に学習を実行する計算方法を開発している．

主な論文・著書

Suzuki, T., Kanagawa, H., Kobayashi, H., Shimizu, N., and Tagami, Y.:”Minimax Optimal Alternating Minimization for Kernel NonparametricTensor Learning,”The 30th Annual Conference on Neural Information Processing Systems(NIPS2016), pp. 3783-3791, (2016).

Kanagawa, H., Suzuki, T., Kobayashi, H., Shimizu, N., and Tagami, Y.:”Gaussian process nonparametric tensor estimator and its minimax optimality,”The 33rd International Conference on Machine Learning (ICML2016), pp.1632-1641, (2016).

Suzuki, T.:”Convergence rate of Bayesian tensor estimator and its minimax optimality,”The 32nd International Conference on Machine Learning (ICML2015), pp.1273-1282, (2015).

Suzuki, T.:”Dual Averaging and Proximal Gradient Descent for Online AlternatingDirection Multiplier Method,”International Conference on Machine Learning (ICML2013), pp. 392-400, (2013).

Suzuki, T., and Sugiyama, M.:”Fast learning rate of multiple kernel learning: trade-off betweensparsity and smoothness,”The Annals of Statistics, vol. 41, number 3, pp. 1381-1405, (2013).

鈴木大慈：『確率的最適化（機械学習プロフェッショナルシリーズ）』．講談社，2015年8月8日．

教員紹介

山西 健司（やまにし けんじ）

東京大学大学院 情報理工学系研究科
数理情報学専攻
教授

〒113-8656 東京都文京区本郷 7-3-1 6号館 345号室
Tel: 03-5841-6895 内線 26895
Fax: 03-5841-8599

E-mail：yamanishi＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

1. 情報論的学習理論（情報理論に基づく機械学習理論、モデル選択）
2. データマイニング基礎（異常検知、変化検知、潜在的ダイナミクス）
3. データマイニング応用（セキュリティ、マーケティング、ヘルスケア、交通）

主な論文・著書

・K.Yamanishi: “A Learning Criterion for Stochastic Rules,” Machine Learning, vol.9, pp.165-203, 1992.

・K.Yamanishi: “A Decision-theoretic Extension of Stochastic Complexity and Its Applications to Learning,” IEEE Transactions on Information Theory, vol.44, 4, pp.1424-1439, 1998.

・K.Yamanishi: “Distributed Cooperative Bayesian Learning Strategies,” Information and Computation, vol.150, p.22-56, 1998.

・K.Yamanishi and H.Li: “Mining　Open Answers in Quessionare Data,” IEEE Intelligent Systems. pp.58-63、September/October, 2002.

・K.Yamanishi, J.Takeuchi, G.Williamas, and P.Milne: “On-line Unsupervised Outlier Detection Using Finite Mixtures with Discounting Learning Algorithms,” Data Mining and Knowledge Discovery Journal, pp.275-300, May 2004, vol.8, issue 3.

・J.Takeuchi and K.Yamanishi: “A Unifying Framework for Detecting Outliers and Change-points from Time Series,” IEEE　Transactions on Knowledge and Data Engineering, vol.18, no.44, pp.482-492, 2006.

・K.Yamanishi and Y.Maruyama: “Dynamic Model Selection with Its Applications to Novelty Detection,” IEEE　Transactions on Information Theory,　pp.2180-2189, vol.53, no.6, June, 2007.

・T.Wu, S.Sugawara, and K.Yamanishi: “Decomposed Normalized Maximum Likelihood Codelength Criterion for Selecting Hierarchical Latent Variable Models,” ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD 2017), pp:1165-1174, 2017.

・金明哲, 村上征勝, 永田昌明, 大津起夫, 山西健司: 「言語と心理の統計学」岩波書店, 第4部 2003.

・K.Yamanishi: “Extended Stochastic Complexity and Its Applications to Learning” In Advances in Minimum Description Length: Theory and Applications (edited by Peter D. Grunwald, in Jae Myung, Mark A. Pitt): The MIT Press (2005).

・山西健司: 「データマイニングによる異常検知」共立出版 (2009年).

・山西健司: 「情報論的学習理論」共立出版 (2010年).

・山西健司: 「情報論的学習とデータマイニング」朝倉書店 (2015年).

教員紹介

長尾　大道（ながお　ひろみち）

東京大学地震研究所 巨大地震津波災害予測研究センター
東京大学大学院 情報理工学系研究科 数理情報学専攻
准教授

〒113-0032 東京都文京区弥生 1-1-1 東京大学地震研究所 3号館 33号室
Tel: 03-5841-1766 内線 21766
Fax: 03-5841-1766

E-mail：nagao＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

　地球規模のリアルタイム観測ネットワークや、超高並列計算機による数値シミュレーション技術が発達した現代の科学技術をもってしても、2011年3月11日の東北地方太平洋沖地震（東日本大震災）では被害の拡大を食い止めることができなかった。いずれまた必ず発生する大地震から可能な限り多くの人命と財産を守るために、地震・津波・災害に関連した観測およびシミュレーションによる膨大なデータを、データ同化を始めとする統計学的手法によって余すところなく統合することにより、総合的な知見を創出することを目指している。

1.データ同化
数値シミュレーションと観測・実験データを、ベイズ統計学の枠組みで統融合するための基盤技術であり、シミュレーションモデルに含まれるパラメータおよび各時刻における状態を逐次推定しながら、将来予測が可能なシミュレーションモデルを創出することができる。主に気象学や海洋学で大きく発展を遂げ、例えば日々の天気予報はデータ同化そのものであり、予報円（確率密度関数）付きの台風の進路予測は、データ同化の結果が端的に表れた好例と言える。気象学とは異なる観点から、地震や津波に代表される固体地球科学に資するデータ同化技術の構築を目指している。

2.逐次ベイズフィルタおよび4次元変分法
データ同化では、数値シミュレーションから算出される予測モデルと観測データを比較するため、
カルマンフィルタ、アンサンブルカルマンフィルタ、粒子フィルタに代表される逐次ベイズフィルタや、
4次元変分法などの極めて多種多様な手法が提案されており、目的や計算負荷を勘案して選択する。
固体地球科学の諸問題に適した、独自の逐次ベイズフィルタおよび4次元変分法の開発を実施している。

主な論文・著書

Sasaki, K., A. Yamanaka, S. Ito, and H. Nagao, Data assimilation for
phase-field models based on the ensemble Kalman filter, Computational
Materials Science, Vol. 141, pp. 141-152, doi:10.1016/j.commatsci.2017.09.025, 2018.

Ito, S., H. Nagao, T. Kasuya, and J. Inoue, Grain growth prediction
based on data assimilation by implementing 4DVar on multi-phase-field
model, Science and Technology of Advanced Materials, Vol. 18, Issue 1, pp. 857-869, doi:10.1080/14686996.2017.1378921, 2017.

Kano, M., H. Nagao, K. Nagata, S. Ito, S. Sakai, S. Nakagawa, M. Hori,
and N. Hirata, Seismic wavefield imaging of long-period ground motion
in the Tokyo Metropolitan area, Japan, J. Geophys. Res. Solid Earth, Vol. 122, doi:10.1002/2017JB014276, 2017.

Kano, M., H. Nagao, D. Ishikawa, S. Ito, S. Sakai, S. Nakagawa, M.
Hori, and N. Hirata, Seismic wavefield imaging based on the replica
exchange Monte Carlo method, Geophys. J. Int., Vol. 208, pp. 529-545, doi:10.1093/gji/ggw410, 2017.

Ito, S., H. Nagao, A. Yamanaka, Y. Tsukada, T. Koyama, M. Kano, and J.
Inoue, Data assimilation for massive autonomous systems based on a
second-order adjoint method, Phys. Rev. E, 94, 043307, doi:10.1103/PhysRevE.94.043307, 2016.

教員紹介

清　智也（せい　ともなり）

東京大学大学院 情報理工学系研究科
数理情報学専攻
教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 6 号館 353 号室
Tel:
Fax:

E-mail：sei＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

統計学の数理的側面（数理統計学）の研究をしています．
1. 計算代数統計：ホロノミック勾配法の統計学への応用
2. 稀事象や時系列データの統計的モデリング
3. 最適輸送写像による統計的モデリング

主な論文・著書

Sei, T. and Kume, A. (2015). Calculating the normalizing constant of the Bingham distribution on the sphere using the holonomic gradient method, Statistics and Computing, 25 (2), 321-332.

Sei, T. (2014). Infinitely imbalanced binomial regression and deformed exponential families, Journal of Statistical Planning and Inference, 149, 116-124.

Rueschendorf, L. and Sei, T. (2012). On optimal stationary couplings between stationary processes, Electronic Journal of Probability, 17 (17), 1-20.

Nakayama H., Nishiyama K., Noro M., Ohara K., Sei, T., Takayama, N. and Takemura A. (2011). Holonomic gradient descent and its application to the Fisher-Bingham integral, Advances in Applied Mathematics, 47 (3), 639-658.

教員紹介

駒木　文保（こまき　ふみやす）

東京大学大学院 情報理工学系研究科
数理情報学専攻
教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 6 号館 349 号室
Tel: 03-5841-6941 内線 26941
Fax: 03-5841-8592

E-mail：komaki＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

1. 理論統計
　ベイズ理論, 予測理論, 情報幾何

2. 統計的モデリング
　脳科学や地震学等のさまざまな分野における統計モデルとデータ解析手法の開発

主な論文・著書

Shibue, R. and Komaki, F. (2017). Firing rate estimation using infinite mixture models and its application to neural decoding,
Journal of Neurophysiology, vol. 118, 2902–29.

Yano, K. and Komaki, F. (2017). Asymptotically minimax prediction in infinite sequence models,
Electronic Journal of Statistics, vol. 11, 3165-3195.

Kojima, M. and Komaki, F. (2016). Relations between the conditional normalized maximum likelihood distributions and the latent information priors,
IEEE Transactions on Information Theory, vol. 62, pp. 539-553.

Matsuda, T. and Komaki, F. (2015). Singular value shrinkage priors for Bayesian prediction, Biometrika, vol. 102, pp. 843-854.

教員紹介

田中　健一郎（たなか　けんいちろう）

東京大学大学院 情報理工学系研究科
数理情報学専攻
准教授

〒113-8656 東京都文京区本郷 7-3-1 工学部6号館 342号室
Tel: 03-5841-6439 内線 26439
Fax:

E-mail：kenichiro＠mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

研究テーマ

数値解析，特に関数近似法・数値積分法に関係する近似理論とその応用．

関数近似・数値積分は，微分方程式の数値解法などをはじめとする様々な解析的数値計算技法の根幹を成す．これまで，主に解析関数に対する高精度な近似公式の設計および解析を，函数論的手法を用いて行ってきた．特に，高橋・森による二重指数関数型変換（DE変換）を用いた各種公式（DE公式，DE-Sinc近似など）の解析や応用は主なテーマの一つである．最近は，高精度な近似公式を設計する一般的方法の構築を目標として研究を進めている．

主な論文・著書

Ken’ichiro Tanaka, Tomoaki Okayama, and Masaaki Sugihara, Potential theoretic approach to design of accurate formulas for function approximation in symmetric weighted Hardy spaces, IMA Journal of Numerical Analysis, Volume 37, Issue 2 (2017), pp. 861-904 (doi:10.1093/imanum/drw022).

Ken’ichiro Tanaka, A fast and accurate numerical method for the symmetric Levy processes based on the Fourier transform and sinc-Gauss sampling formula, IMA Journal of Numerical Analysis, Volume 36, Issue 3 (2016), pp. 1362-1388 (doi:10.1093/imanum/drv038).

Ken’ichiro Tanaka and Alexis Akira Toda, Discretizing distributions with exact moments: error estimate and convergence analysis, SIAM Journal on Numerical Analysis, Volume 53, Issue 5 (2015), pp. 2158-2177 (doi:10.1137/140971269).

Sunao Murashige and Ken’ichiro Tanaka, A new method of convergence acceleration of series expansion for analytic functions in the complex domain, Japan Journal of Industrial and Applied Mathematics, Volume 32, Issue 1 (2015), pp. 95-117 (doi: 10.1007/s13160-014-0159-z).

Tomoaki Okayama, Ken’ichiro Tanaka, Takayasu Matsuo, and Masaaki Sugihara, DE-Sinc methods have almost the same convergence property as SE-Sinc methods even for a family of functions fitting the SE-Sinc methods Part I: Definite integration and function approximation, Numerische Mathematik, Volume 125, Issue 3 (2013), pp. 511-543 (doi: 10.1007/s00211-013-0540-x).

Ken’ichiro Tanaka, Masaaki Sugihara, Kazuo Murota, and Masatake Mori, Function classes for double exponential integration formulas, Numerische Mathematik, Volume 111, Issue 4 (2009), pp. 631-655 (doi: 10.1007/s00211-008-0195-1).