基礎研究開発

スモールデータからビッグデータまで、表形式データから時系列信号データ、画像データ、グラフ構造データなど、様々なサイズ、様々な形式のデータを解析して、必要な情報や知識を抽出、推定、予測する統計解析や機械学習，深層学習の基礎原理について研究を行っています。
＜具体例＞
・少数データ学習・解析（少ないデータから答えを導く）
・弱教師有り学習・解析（ラベルが無いなど不完全なデータから答えを導く）
・マルチモーダル学習・解析（異なる形式やソースのデータを統合し答えを導く）
・ロバスト学習・解析（ノイズや外乱の多いデータから答えを導く）
・統計的因果解析（データからどの変数や項目が原因や結果なのかを見極める）

様々な複雑さや難しさ、情報不足の条件下で、問題の解を効率的に探索したり最適制御や最適管理など最適化を行う基礎原理の研究を行っています。
＜具体例＞
・大規模複雑組合せ条件探索（大規模で複雑な条件下で、制約を満たす組合せ充足解や最適解を効率的に探索する）
・極低確率条件探索（極めて低確率な条件で見つけにくい解を効率的に探索する）
・未知情報下最適化（対象や問題に関する情報が無いまたは極めて限られる場合に最適解を導く）

以上の学習・解析と探索・最適化原理に基づいて，我々のモデルや知見を反映するシミュレーションと対象のデータと融合し、対象に関する情報、知識の導出や解探索、最適化を行う基礎原理の研究を行っています。
＜具体例＞
・シミュレーションデータ同化
（対象に関するデータとそのシミュレーション予測がマッチするシミュレーションパラメータを推定する）
・対象モデルを反映する学習・解析
（対象の法則性や知見を反映しつつデータから学習・解析を行って答えを導く）
・データとシミュレーションによる最適化
（シミュレーション計算とデータから得られる情報や知識の両方を融合して、最適な答えを導く）
・希少事象解析（シミュレーションに極低確率条件探索を適用して、対象に稀にしか起こらない事象を効率的に探索する）