BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:[理研AIP 成果報告イベント] 動的システム学習
 チーム ワークショップ
X-WR-CALNAME:[理研AIP 成果報告イベント] 動的システム学習
 チーム ワークショップ
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:985786@techplay.jp
SUMMARY:[理研AIP 成果報告イベント] 動的システム学習チー
 ム ワークショップ
DTSTART;TZID=Asia/Tokyo:20250929T130000
DTEND;TZID=Asia/Tokyo:20250929T170000
DTSTAMP:20260527T223416Z
CREATED:20250830T060148Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/98578
 6?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n理化学研究
 所 革新知能統合研究センター (AIP) は、2016年4月の創立
 以来、今年度でプロジェクト開始から10年目を迎えま
 す。本イベントでは、当センター構造的学習チーム (
 現：動的システム学習チーム) に研究員として所属し
 活躍した研究者、及び現在の一部メンバーを講演者と
 して、本プロジェクトでの成果の一部を紹介するとと
 もに、その後の展開などについて議論する。\n* なお当
 チームは、2016年に構造的学習チーム (Structured Learning Te
 am) として発足しましたが、2025年7月に動的システム学
 習チーム (Dynamical Systems Learning Team) へと名称変更を行
 いました。\n\n場所：\nオンライン、及び、日本橋AIPセ
 ンター オープンスペース\n\n現地参加を希望する方は
 、下記のGoogleフォームで受付します (〆切: 9/21 17:00)。\
 nDoorkeeperでの参加申し込みに加え、下記アドレスへア
 クセスしてご応募ください (最大30名)。\nhttps://forms.gle/
 NV2TqDqhE4u7uFMQ7\n- 現地参加者には 9/26(金) までに入館証
 をお送りします (所属先等が確認できた方のみ)\n # 届
 かない場合は所属先等が未確認の場合や、定員オーバ
 ーなどの理由になりますが、こちらからはお知らせは
 いたしません。\n # またその場合のご質問等にもお答
 えしかねますので、あらかじめご了承ください。\n- ア
 クセス https://www.riken.jp/access/tokyo-map/\n\n<<プログラム>>\n
 \n13:00-13:20\n講演者：河原吉伸 (大阪大学／理研AIP)\nタ
 イトル：動的システム学習チームの足跡\n概要：本講
 演では、今後のチームの展望をはさみつつ、動的シス
 テム学習チーム（旧：構造的学習チーム）の研究活動
 の主な足跡をたどり、つづく講演者の話題へとつなげ
 る。\n\n13:20-14:10\n講演者：武石直也 (東京大学)\nタイト
 ル：複数忠実度を利用した大規模シミュレーションに
 基づく推論\n概要：シミュレーションに基づく推論（SB
 I）は、観測に合うシミュレーションパラメータを推論
 する問題である。複雑なシミュレーションのために尤
 度関数を評価できないことから、近年では深層生成モ
 デルでパラメータ事後分布などを直接学習する方法が
 注目されている。大規模なシミュレーションでは深層
 生成モデルの訓練データを多量に用意するのが難しく
 注意が必要になる。そこで本研究では、もとのシミュ
 レーションより粗いが計算コストの低いシミュレーシ
 ョンからの情報を利用する方法を提案する。また、そ
 の方法をΛCDMモデルに基づく宇宙論的N体シミュレーシ
 ョンに適用した例を示す。\n\n14:10-14:50\n講演者：坂田
 逸志 (理研AIP)\nタイトル：連続スペクトルに基づく非
 線形ダイナミクスの構造抽出\n概要：Koopman作用素は非
 線形力学系を無限次元線形作用素として表現する理論
 的枠組みであり、動的モード分解などの実用的な解析
 手法の数理的基盤となっている。従来、実データへの
 適用では離散固有値のみが扱われ、連続スペクトル成
 分の取り扱いは限定的であった。しかし近年、連続成
 分を含む複雑なスペクトル構造をデータから計算する
 手法の進展で、より柔軟にダイナミクスを記述するこ
 とが可能になった。本講演では、Koopman作用素のもつ連
 続スペクトルや一般化固有関数をデータから近似する
 手法を解説するとともに、擬固有関数のクラスタリン
 グを用いて複雑なダイナミクスの構造抽出を行う新し
 いアプローチについて紹介する。\n\n14:50-15:05\n(コーヒ
 ーブレイク)\n\n15:05-16:05\n講演者：藤井慶輔 (名古屋大
 学／理研AIP)\nタイトル：実世界集団移動における機械
 学習を用いた順逆解析の発展と民主化\n概要：計測技
 術と機械学習の発展により、スポーツや動物行動など
 の背後のダイナミクスが不明な実世界集団移動に関し
 てもデータ解析への期待が高まっている。実測データ
 から機械学習を用いて未知の関数や変数を推定するこ
 とで、データからモデルを推定する逆解析だけでなく
 、モデルからデータを生成する順解析への応用も期待
 される。本発表では、画像処理技術を用いたデータの
 自動取得の最近の話題や、様々な機械学習ベースのプ
 レー評価手法、自動運転シミュレータやスポーツなど
 の多エージェント軌跡に対する時変介入効果を推定す
 る手法、さらに順逆解析が融合した実データ適合型の
 強化学習手法などを紹介する。最後に、これらの技術
 の民主化への取り組みとして、様々なデータの公開、
 オープンソース解析プラットフォーム、開催したコン
 ペティションなどを紹介し、今後の展望についても議
 論する。\n\n16:05-16:55\n講演者：橋本悠香 (NTT／理研AIP)\n
 タイトル：Deep Koopman-layered Model with Universal Property Based o
 n Toeplitz Matrices\n概要：時系列データ解析のため、Toeplit
 z行列の形で学習可能なパラメータを持つ深層Koopmanモ
 デルを提案する。本モデルは理論保証と柔軟性の両方
 を兼ね備えている。Toeplitz行列による近似性能とモデ
 ルに内在する再生性により、その万能近似性と汎化性
 を示す。さらに、柔軟性により、非斉次力学系から生
 じる時系列データにもモデルを適合させることが可能
 であることを示す。モデルの訓練時には、効率的な計
 算のためにKrylov部分空間法を適用することが可能であ
 り、これによりKoopman作用素と数値線形代数の間に新た
 な繋がりを確立する。\n\n16:55-17:00\n最後に (河原)
LOCATION:オンライン
URL:https://techplay.jp/event/985786?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR