一橋大学 ソーシャル・データサイエンス学部・研究科 ロゴ

一橋大学 ソーシャル・データサイエンス学部・研究科

FACULTY

教員紹介

本武 陽一画像
本武 陽一 YOH-ICHI MOTOTAKE
ソーシャル・データサイエンス研究科 准教授
専門分野
データ駆動科学
解釈可能AI
機械学習
INTERVIEW

インタビュー

ソーシャル・データサイエンス学部・研究科の魅力
ソーシャル・データサイエンス学部では、そこに参画する学生・教員は協力して新たな学問分野を立ち上げることになります。これは、既に学理が明瞭でその枠内での改善を目的とする既存学部にはない魅力であり、ソーシャルデータサイエンス学部での活動を通して、その所属員は新たな学理の創生という経験を得られます。さらにその先には自ら生み出した学理・分野の社会実装というステップが待っています。ソーシャルデータサイエンス学部・研究科の学生は、卒業後においても他学部・研究科出身者にはない、自ら生み出した価値観に基づく能動的な活動を行えるようになることが期待されます。
ソーシャル・データサイエンス学部・研究科で進めたい教育・研究
私の研究室では、原理・法則の発見しようとする科学者や、複雑な現象を予測し制御する開発者を支援する解釈可能な機械学習の枠組みの構築に取り組んでいます。そこで重要になるのが、小規模データからデータを超えた汎用的な知識をいかに抽出するかになります。このような小規模データのデータサイエンスで生じる課題は、機械学習技術が一般化し誰でも利用ができるようになりつつある現状で、次の課題として立ち現れる課題になると予想されます。このような課題に対して、深層ニューラルネットワークやガウス過程などの表現能力の高い機械学習モデルで複雑現象をモデル化し、そのモデルと物理的な知識とを結びつけることで解釈可能な情報を抽出し、科学者・開発者に提供することで法則・原理の抽出や新しい製品開発を促進します。私の研究室では、このような研究に必要な分析対象の知識や、機械学習技術の教育を実施するとともに、それを基盤に研究活動に取り組んでもらいます。

■学部ゼミナール紹介
私のゼミナールでは、データ駆動理学に関する研究活動を実施します。データ駆動理学は、解釈可能な機械学習手法を用いて、社会や自然界に存在する大自由度な複雑現象のモデル化と背景にある機序の解明と、その社会課題解決による検証を目標とします。現時点で研究室で対象としている複雑現象には、物性物理、宇宙物理、惑星物理、原子核物理、統計物理、量子力学、材料科学、材料力学、計算化学、SNSマーケティング、自動運転、脳科学、アクティブマター、核融合、乱流、放射光計測、中性子線計測などの分野の現象があり、大学・研究所・企業の各分野の専門家と基礎研究とその成果の社会課題解決による検証を目指した共同研究を実施しています。使用する機械学習手法は特定の手法に限定せず、ベイズモデリングや深層学習、スパースモデリングなど、現象のモデル化に適した手法を柔軟に利用し、必要に応じて新規アルゴリズム開発や分析手法の性質の数理的解析なども各手法の専門家と共同して実施しています。データ駆動理学は、未開拓領域の多い研究分野のため、学部ゼミ活動の内容での研究の投稿論文化は十分に可能であると考えており、またこれを強く推奨し支援します。研究対象や分析手法は多岐に渡りますが、必要に応じて研究室内外の各分野の専門家からの支援を得られるため、必要な知識は研究を通して勉強することができます。したがって、1、2年次の必修科目の単位習得に必要な基本的な数学とプログラミング能力があれば、十分に研究を実施することが可能です。
MESSAGE
本武 陽一画像
MESSAGE
学生へのメッセージ
ソーシャルデータサイエンス学部・研究科では、教員だけでなく学生の皆さん一人一人が分野の創設者となります。そこでは受け身の姿勢ではなく、能動的に自らの考えを発信し行動を行うことが求められます。一方で、ルールや分野を自ら作れるという点において、決められたルールの中で競争を行う人達に対して有利な立場に立てる可能性が高いです。自らの思想を立案・提唱し、それをデータ分析技術として具体化した上で、それらを社会実装することに興味があるような学生の皆さんの受験を期待します。
CLASS

担当授業科目

  • 実践的機械学習Ⅰ
  • 機械学習理論
  • (院)機械学習発展(学術)
RESEARCH

研究内容

熱力学では,ギブスが熱機関の理論であった熱力学を化学反応論に拡張し、科学に偉大な発展をもたらしました。このように、単なる内挿モデルを超えた一般原理を演繹的に導き、それを大胆に外挿する人間の科学的洞察力は、科学や工学を駆動する源泉です。しかし、非線形・非平衡現象などの複雑な系でその洞察力を働かせることは時に困難です。近年、深層ニューラルネットワーク(DNN)をはじめとした表現能力の高い機械学習モデルを用いて、複雑な科学データを分析・モデル化する研究が活発に行われています。しかし、その多くは内挿的なモデル構築に留まり、さらに、モデルは多量のパラメータをもつ非線形関数である為、その解釈が非常に困難です。このような現状に対して我々の研究室では、複雑なデータの内挿モデル構築を得意とする機械学習と、科学的洞察によって大胆な演繹的外挿を実現する人間の協業が重要と考え、両者を橋渡しする手法や分析枠組みの開発を行っています。
キーワード
  • データ駆動科学
  • 解釈可能AI
  • 機械学習
TOP FACULTY 本武 陽一