2026/07/07 更新

お知らせ

 

写真a

ヤグチ　タカハル
谷口 隆晴
YAGUCHI TAKAHARU
所属
マス・フォア・インダストリ研究所 数学テクノロジー先端研究部門 教授
数理学府 数理学専攻（併任）
理学部 数学科（併任）
職名
教授
連絡先
メールアドレス
外部リンク

研究分野

  • 自然科学一般 / 応用数学、統計数学

研究テーマ・研究キーワード

  • 研究テーマ： 社会ネットワーク解析

    研究キーワード： 社会ネットワーク解析

    研究期間： 2026年

  • 研究テーマ： 機械学習

    研究キーワード： 機械学習

    研究期間： 2026年

  • 研究テーマ： 数理モデリング

    研究キーワード： 数理モデリング

    研究期間： 2026年

  • 研究テーマ： 数値解析

    研究キーワード： 数値解析

    研究期間： 2026年

  • 研究テーマ： 幾何学的力学理論

    研究キーワード： 幾何学的力学理論

    研究期間： 2026年

  • 研究テーマ： Morphological Computing

    研究キーワード： Morphological Computing

    研究期間： 2026年

受賞

  • 学長表彰（財務貢献者）

    2024年10月   神戸大学  

    　詳細を見る

  • 学長表彰（財務貢献者）

    2023年10月   神戸大学  

    　詳細を見る

  • JSIAM Letters 論文賞

    2023年9月   日本応用数理学会   Causal inference for empirical dynamical systems based on persistent homology

    Hiroaki Bando, Shizuo Kaji, Takaharu Yaguchi

    　詳細を見る

論文

  • UEPI: Universal Energy-Behavior-Preserving Integrators for Energy Conservative/Dissipative Differential Equations 査読

    Elena Celledoni, Brynjulf Owren, Chong Shen, Baige Xu, Takaharu Yaguchi

    Advances in Neural Information Processing Systems   38   2025年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • A posteriori error estimation of numerical solutions of PINNs for the Navier–Stokes equations under the Dirichlet boundary condition with external force 査読

    Xu B., Yaguchi T.

    International Journal of Mathematics for Industry   17 ( 1 )   2025年12月   （ ISSN:26613352 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：International Journal of Mathematics for Industry  

    In this paper, we present an a posteriori error estimation for numerical solutions of Physics-Informed Neural Networks (PINNs) for the Navier–Stokes equations under the Dirichlet boundary condition with external force. The main theorem provides a computable upper bound for the solution error via explicit indicators derived from the equation residual and initial error, both observable during the training of PINNs. This enables reliability assessment of numerical solutions of PINNs for fluid flows.

    DOI： 10.1142/S2661335225500108

    Scopus

    researchmap

  • Hyperbolic partial differential equations generalize LSSL with the HiPPO matrix 査読

    Takabatake A., Yaguchi T.

    Japan Journal of Industrial and Applied Mathematics   42 ( 3 )   1207 - 1229   2025年9月   （ ISSN:09167005 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Japan Journal of Industrial and Applied Mathematics  

    The LSSL with HiPPO matrix is a model for the modeling of time series data that can handle long-range dependencies. In a previous paper, we showed that the LSSL with HiPPO matrix can be expressed as a discretization of a partial differential equation. In this paper, we generalize this result. We show the LSSL with HiPPO matrix can be regarded as another discretization of the partial differential equation under another condition as well, and also propose a generalization of the HiPPO matrix by different discretizations of partial differential equations. Our result can extend existing state-space models to infinite-dimensional settings. In addition, we perform thorough numerical experiments to evaluate the proposed generalized model and confirm that the performance of the model can certainly be improved by this generalization.

    DOI： 10.1007/s13160-025-00731-4

    Scopus

    researchmap

  • Energy-Consistent Neural Operators for Hamiltonian and Dissipative Partial Differential Equations 査読

    Proc. of the 28th International Conference on Artificial Intelligence and Statistics (AISTATS2025)   2025年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Number Theoretic Accelerated Learning of Physics-Informed Neural Networks 査読

    Matsubara T., Yaguchi T.

    Proceedings of the Aaai Conference on Artificial Intelligence   39 ( 1 )   595 - 603   2025年4月   （ ISSN:21595399 ISBN:157735897X, 9781577358978 ）

    　詳細を見る

    記述言語：英語   出版者・発行元：Proceedings of the Aaai Conference on Artificial Intelligence  

    Physics-informed neural networks solve partial differential equations by training neural networks. Since this method approximates infinite-dimensional PDE solutions with finite collocation points, minimizing discretization errors by selecting suitable points is essential for accelerating the learning process. Inspired by number theoretic methods for numerical analysis, we introduce good lattice training and periodization tricks, which ensure the conditions required by the theory. Our experiments demonstrate that GLT requires 2-7 times fewer collocation points, resulting in lower computational cost, while achieving competitive performance compared to typical sampling methods.

    DOI： 10.1609/aaai.v39i1.32040

    Scopus

  • Deep Energy-Based Discrete-Time Physical Model for Reproducing Energetic Behavior 査読

    Matsubara T., Aoshima T., Ishikawa A., Yaguchi T.

    IEEE Transactions on Neural Networks and Learning Systems   36 ( 8 )   15400 - 15412   2025年   （ ISSN:2162237X ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：IEEE Transactions on Neural Networks and Learning Systems  

    Modeling and simulating physical phenomena, especially those governed by partial differential equations (PDEs), pose significant challenges in computational physics and scientific machine learning. While neural network approaches have made strides in learning continuous-time dynamics, they have struggled with discrete-time scenarios and often fail to adhere to fundamental laws of physics, such as the conservation of energy and mass. This study addresses this gap by introducing a novel deep energy-based discrete-time model. In the real world, energy-based modeling theories like Hamiltonian mechanics and the Landau theory are pivotal, as they support various laws of physics. By integrating differential geometric structures into neural networks as coefficient matrices, our model successfully simulates the conservation and dissipation laws of energy and mass. Furthermore, we propose an automatic discrete differentiation algorithm, which enables neural networks to utilize the discrete gradient method, ensuring adherence to these laws in discrete-time settings. This capability also facilitates the identification of such laws directly from data by learning matrices that represent geometric structures. These advantages are verified using simulation results of physical phenomena, namely the 1- and 2-D Korteweg–de Vries (KdV) equation and the Cahn–Hilliard equation.

    DOI： 10.1109/TNNLS.2025.3529516

    Scopus

    researchmap

  • POISSON-DIRAC NEURAL NETWORKS FOR MODELING COUPLED DYNAMICAL SYSTEMS ACROSS DOMAINS 査読

    Khosrovian R.A., Yaguchi T., Yoshimura H., Matsubara T.

    13th International Conference on Learning Representations Iclr 2025   84440 - 84468   2025年   （ ISBN:9798331320850 ）

    　詳細を見る

    記述言語：英語   出版者・発行元：13th International Conference on Learning Representations Iclr 2025  

    Deep learning has achieved great success in modeling dynamical systems, providing data-driven simulators to predict complex phenomena, even without known governing equations. However, existing models have two major limitations: their narrow focus on mechanical systems and their tendency to treat systems as monolithic. These limitations reduce their applicability to dynamical systems in other domains, such as electrical and hydraulic systems, and to coupled systems. To address these limitations, we propose Poisson-Dirac Neural Networks (PoDiNNs), a novel framework based on the Dirac structure that unifies the port-Hamiltonian and Poisson formulations from geometric mechanics. This framework enables a unified representation of various dynamical systems across multiple domains as well as their interactions and degeneracies arising from couplings. Our experiments demonstrate that PoDiNNs offer improved accuracy and interpretability in modeling unknown coupled dynamical systems from data.

    Scopus

  • FINDE: Neural Differential Equations for Finding and Preserving Invariant Quantities 査読 国際誌

    T. Matsubara, T. Yaguchi

    Proc. of The Eleventh International Conference on Learning Representations (ICLR2023)   11   2023年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • The Symplectic Adjoint Method: Memory-Efficient Backpropagation of Neural-Network-Based Differential Equations 査読

    Matsubara T., Miyatake Y., Yaguchi T.

    IEEE Transactions on Neural Networks and Learning Systems   35 ( 8 )   1 - 13   2023年   （ ISSN:2162-237X eISSN:2162-2388 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：IEEE Transactions on Neural Networks and Learning Systems  

    The combination of neural networks and numerical integration can provide highly accurate models of continuous-time dynamical systems and probabilistic distributions. However, if a neural network is used n times during numerical integration, the whole computation graph can be considered as a network n times deeper than the original. The backpropagation algorithm consumes memory in proportion to the number of uses times of the network size, causing practical difficulties. This is true even if a checkpointing scheme divides the computation graph into subgraphs. Alternatively, the adjoint method obtains a gradient by a numerical integration backward in time; although this method consumes memory only for single-network use, the computational cost of suppressing numerical errors is high. The symplectic adjoint method proposed in this study, an adjoint method solved by a symplectic integrator, obtains the exact gradient (up to rounding error) with memory proportional to the number of uses plus the network size. The theoretical analysis shows that it consumes much less memory than the naive backpropagation algorithm and checkpointing schemes. The experiments verify the theory, and they also demonstrate that the symplectic adjoint method is faster than the adjoint method and is more robust to rounding errors.

    DOI： 10.1109/tnnls.2023.3242345

    Scopus

    researchmap

  • Robustness of Operator Learning Methods with MLP-Based Kolmogorov-Arnold Networks 査読

    Dehami Kiryu, Atsushi Takabatake, Takaharu Yaguchi

    The AAAI-26 Workshop on Artificial Intelligence for Cyber Security (AICS)   2026年1月

    　詳細を見る

    担当区分：最終著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Infinite-Dimensional HiPPO Provides an Explicit Formula for LSSLs 査読

    Atsushi Takabatake, Takaharu Yaguchi

    NeurIPS2025 Workshop MATH-AI 2025   2025年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • 【社会的孤立・孤独を広く深く捉え,つなげる(2)】社会的つながりへの介入による超高齢社会のウェルビーイングの実現　介入の理論・方法・評価

    増本 康平, 原田 和弘, 谷口 隆晴, 打田 篤彦, 近藤 徳彦

    心理学評論   68 ( 2 )   149 - 166   2025年10月   （ ISSN:0386-1058 ）

    　詳細を見る

    記述言語：日本語   出版者・発行元：心理学評論刊行会  

  • Learning Discrete Integral Operators and Energy-Preserving Numerical Schemes for Nonlocal Hamiltonian Equations 査読

    Toki Shinogi, Chong Shen, Baige Xu, Takaharu Yaguchi

    ICICE Proceeding Series: 2025 International Symposium on Nonlinear Theory and Its Applications   2025年10月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Port-Hamiltonian Neural Networks for Learning Coupled Systems and Their Interactions 査読

    Razmik Arman Khosrovian, Takaharu Yaguchi, Takashi Matsubara

    NeurIPS 2024 Workshop on Machine Learning and the Physical Sciences   2024年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • A New Approach to Designing Robust Hamiltonian Neural Networks by Regularisation 査読

    Dehami Kiryu, Baige Xu, Takashi Matsubara, Takaharu Yaguchi

    Proc. of 2024 International Symposium on Nonlinear Theory and Its Applications (NOLTA2024)   2024年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Learning Difference and Summation Operators for Discretization of Nonlocal Hamiltonian Partial Differential Equations Using Neural Networks 査読

    Toki Shinogi, Baige Xu, Takaharu Yaguchi

    Proc. of 2024 International Symposium on Nonlinear Theory and Its Applications (NOLTA2024)   2024年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Hyperbolic-PDE-Based Neural Network Architecture 査読

    Atsushi Takabatake, Baige Xu, Takaharu Yaguchi

    Proc. of 2024 International Symposium on Nonlinear Theory and Its Applications (NOLTA2024)   2024年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Application of the Kernel Method to Learning Symplectic Forms 査読

    Taisei Ueda, Baige Xu, Takashi Matsubara, Takaharu Yaguchi

    Proc. of 2024 International Symposium on Nonlinear Theory and Its Applications (NOLTA2024)   2024年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Loss Function for Deep Learning to Model Dynamical Systems 査読

    Yoshida T., Yaguchi T., Matsubara T.

    IEICE Transactions on Information and Systems   E107.D ( 11 )   1458 - 1462   2024年11月   （ ISSN:09168532 ）

    　詳細を見る

    記述言語：英語   出版者・発行元：IEICE Transactions on Information and Systems  

    Accurately simulating physical systems is essential in various fields. In recent years, deep learning has been used to automatically build models of such systems by learning from data. One such method is the neural ordinary differential equation (neural ODE), which treats the output of a neural network as the time derivative of the system states. However, while this and related methods have shown promise, their training strategies still require further development. Inspired by error analysis techniques in numerical analysis while replacing numerical errors with modeling errors, we propose the error-analytic strategy to address this issue. Therefore, our strategy can capture long-term errors and thus improve the accuracy of long-term predictions.

    DOI： 10.1587/transinf.2023EDL8064

    Scopus

  • Algebraic design of physical computing system 査読

    Komatsu M., Yaguchi T., Nakajima K.

    Physica D Nonlinear Phenomena   470   134382 - 134382   2024年10月   （ ISSN:0167-2789 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Physica D Nonlinear Phenomena  

    Recently, computational techniques that employ physical systems (physical computing systems) have been developed. To utilize physical computing systems, their design strategy is important. Although there are practical learning-based methods and theoretical approaches, no general method exists that provides specific design guidelines for given systems with rigorous theoretical support. In this paper, we propose a novel algebraic design framework for a physical computing system, which is capable of extracting specific design guidelines. Our approach describes input–output relationships algebraically and relates them to given target tasks. Two theorems are presented in this paper. The first theorem offers a basic strategy for algebraic design. The second theorem explores the “replaceability” of such systems. Their possible implementations are investigated through experiments. In particular, the design of inputs of a system so that it generates multiple target time-series and the replacement of stationary or non-stationary target systems by a given system that is designed algebraically are included. The proposed framework is shown to have the potential of designing given physical computing systems with theoretical support.

    DOI： 10.1016/j.physd.2024.134382

    Scopus

    researchmap

  • Improved input points estimate for identifying nonlinear dynamic systems in DeepONet 査読

    Dehami Kiryu, Baige Xu, Takaharu Yaguchi

    Proc. of CAI2024 Workshop on Scientific Machine Learning and Its Industrial Applications (SMLIA2024)   2024年6月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Learning Coupled Systems and their Connectivity Using Port-Hamiltonian Neural Networks 査読

    Razmik Arman Khosrovian, Takaharu Yaguchi, Takashi Matsubara

    Proc. of CAI2024 Workshop on Scientific Machine Learning and Its Industrial Applications (SMLIA2024)   2024年6月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：null  

    researchmap

  • Modeling Error and Nonuniqueness of the Continuous-Time Models Learned via Runge–Kutta Methods 査読

    Terakawa S., Yaguchi T.

    Mathematics   12 ( 8 )   2024年4月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Mathematics  

    In the present study, we consider continuous-time modeling of dynamics using observed data and formulate the modeling error caused by the discretization method used in the process. In the formulation, a class of linearized dynamics called Dahlquist’s test equations is used as representative of the target dynamics, and the characteristics of each discretization method for various dynamics are taken into account. The family of explicit Runge–Kutta methods is analyzed as a specific discretization method using the proposed framework. As a result, equations for predicting the modeling error are derived, and it is found that there can be multiple possible models obtained when using these methods. Several learning experiments using a simple neural network exhibited consistent results with theoretical predictions, including the nonuniqueness of the resulting model.

    DOI： 10.3390/math12081190

    Scopus

    researchmap

  • Sparse Estimation for Hamiltonian Mechanics 査読

    Note Y., Watanabe M., Yoshimura H., Yaguchi T., Omori T.

    Mathematics   12 ( 7 )   974 - 974   2024年3月   （ eISSN:2227-7390 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Mathematics  

    Estimating governing equations from observed time-series data is crucial for understanding dynamical systems. From the perspective of system comprehension, the demand for accurate estimation and interpretable results has been particularly emphasized. Herein, we propose a novel data-driven method for estimating the governing equations of dynamical systems based on machine learning with high accuracy and interpretability. The proposed method enhances the estimation accuracy for dynamical systems using sparse modeling by incorporating physical constraints derived from Hamiltonian mechanics. Unlike conventional approaches used for estimating governing equations for dynamical systems, we employ a sparse representation of Hamiltonian, allowing for the estimation. Using noisy observational data, the proposed method demonstrates a capability to achieve accurate parameter estimation and extraction of essential nonlinear terms. In addition, it is shown that estimations based on energy conservation principles exhibit superior accuracy in long-term predictions. These results collectively indicate that the proposed method accurately estimates dynamical systems while maintaining interpretability.

    DOI： 10.3390/math12070974

    Scopus

    researchmap

  • Algebraic Design of Physical Computing System for Time-Series Generation 査読 国際誌

    M. Komatsu, T. Yaguchi, K. Nakajima

    NeurIPS2023 Workshop: Machine Learning with New Compute Paradigms   2023年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Application of the Neural Operator for Physical Simulations of GENERIC Systems 査読 国際誌

    B. Xu, T. Matsubara, T. Yaguchi

    IEICE Proceedings Series   76   419 - 421   2023年9月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Super Resolution of Numerical Solutions of Nonlinear Elliptic Equations by DeepONet 査読 国際誌

    C. Yuhan, T. Matsubara, T. Yaguchi

    IEICE Proceedings Series   76   370 - 373   2023年9月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Generalization Error Analysis of Discrete Hamiltonian Neural Networks 査読 国際誌

    N. Ogawa, C. Yuhan, T. Matsubara, T. Yaguchi

    IEICE Proceedings Series   76   259 - 262   2023年9月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Equivalence Class Learning for GENERIC Systems 査読 国際誌

    Baige Xu, Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    ICML Workshop on New Frontiers in Learning, Control, and Dynamical Systems   2023年7月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Variational Principle and Variational Integrators for Neural Symplectic Forms 査読 国際誌

    Yuhan Chen, Baige Xu, Takashi Matsubara, Takaharu Yaguchi

    ICML Workshop on New Frontiers in Learning, Control, and Dynamical Systems   2023年7月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Good Lattice Accelerates Physics-Informed Neural Networks 査読 国際誌

    Takashi Matsubara, Takaharu Yaguchi

    1st Workshop on the Synergy of Scientific and Machine Learning Modeling at ICML2023   2023年7月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • 幾何学的深層科学技術計算 -深層学習による物理モデリング・シミュレーション- 招待

    松原 崇, 陳 鈺涵, 谷口 隆晴

    応用物理   91 ( 10 )   629 - 633   2022年10月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

    researchmap

  • KAM Theory Meets Statistical Learning Theory: Hamiltonian Neural Networks with Non-zero Training Loss 査読

    Chen Y., Matsubara T., Yaguchi T.

    Proceedings of the 36th Aaai Conference on Artificial Intelligence Aaai 2022   36   6322 - 6332   2022年6月   （ ISBN:1577358767, 9781577358763 ）

    　詳細を見る

    記述言語：英語   出版者・発行元：Proceedings of the 36th Aaai Conference on Artificial Intelligence Aaai 2022  

    Many physical phenomena are described by Hamiltonian mechanics using an energy function (the Hamiltonian). Recently, the Hamiltonian neural network, which approximates the Hamiltonian as a neural network, and its extensions have attracted much attention. This is a very powerful method, but its use in theoretical studies remains limited. In this study, by combining the statistical learning theory and Kolmogorov–Arnold–Moser (KAM) theory, we provide a theoretical analysis of the behavior of Hamiltonian neural networks when the learning error is not completely zero. A Hamiltonian neural network with non-zero errors can be considered as a perturbation from the true dynamics, and the perturbation theory of the Hamilton equation is widely known as the KAM theory. To apply the KAM theory, we provide a generalization error bound for Hamiltonian neural networks by deriving an estimate of the covering number of the gradient of the multi-layer perceptron, which is the key ingredient of the model. This error bound gives a sup-norm bound on the Hamiltonian that is required in the application of the KAM theory.

    DOI： 10.1609/aaai.v36i6.20582

    Scopus

  • Symplecticity of coupled Hamiltonian systems 査読

    Shunpei Terakawa, Takaharu Yaguchi

    JSIAM Letters   14   37 - 40   2022年3月   （ ISSN:1883-0609 eISSN:1883-0617 ）

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：The Japan Society for Industrial and Applied Mathematics  

    DOI： 10.14495/jsiaml.14.37

    researchmap

  • Causal inference for empirical dynamical systems based on persistent homology

    Bando Hiroaki, Kaji Shizuo, Yaguchi Takaharu

    JSIAM Letters   14 ( 0 )   69 - 72   2022年   （ ISSN:18830609 eISSN:18830617 ）

    　詳細を見る

    記述言語：英語   出版者・発行元：一般社団法人 日本応用数理学会  

    <p>Given two correlated systems, detecting causality between them from observed data is an important but challenging task. Combining two mathematical techniques, delay coordinate embedding and persistent homology, we propose a novel causal inference method for data comprising a pair of scalar time series that are observed from two possibly coupled deterministic dynamical systems. The idea is to encode the topology of the dynamics in the form of the persistent homology of the reconstructed attractors and compare the involved systems by a metric defined on the persistent homology.</p>

    DOI： 10.14495/jsiaml.14.69

    CiNii Research

  • Causal inference for empirical dynamical systems based on persistent homology 査読

    Bando, H; Kaji, S; Yaguchi, T

    JSIAM LETTERS   14   69 - 72   2022年   （ ISSN:1883-0609 eISSN:1883-0617 ）

    　詳細を見る

    記述言語：英語  

    Web of Science

  • Variational Integrator for Hamiltonian Neural Networks 査読

    Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    Proceedings of the 2022 International Symposium on Nonlinear Theory and its Applications (NOLTA2022)   2022年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

  • Secure Communication Systems Based on Synchronization of Chaotic Vibration of Wave Equations 査読

    Hideki Sano, Masashi Wakaiki, Takaharu Yaguchi

    Journal of Signal Processing   2022年

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

    researchmap

  • Learning GENERIC Systems Using Neural Symplectic Forms 査読

    Baige Xu, Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    Proceedings of the 2022 International Symposium on Nonlinear Theory and its Applications (NOLTA2022)   2022年

    　詳細を見る

  • Imbalance-Aware Learning for Deep Physics Modeling 査読

    Takahito Yoshida, Takaharu Yaguchi, Takashi Matsubara

    ICLR2022 Workshop on AI for Earth and Space Science (ai4earth)   2022年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    researchmap

▼全件表示

講演・口頭発表等

  • Navier–Stokes 方程式に対する PINNs の解の誤差解析

    徐百歌, 谷口隆晴

    日本数学会2025年度年会  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 幾何学的深層科学技術計算 招待

    谷口隆晴

    日本数学会2025年度年会  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • An Infinite Dimensional LSSL with Infinite Dimensional HiPPO

    Atsushi Takabatake, Takaharu Yaguchi

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Refinement of the average vector field method for Hamiltonian systems using neural networks

    Chong Shen, Baige Xu, Elena Celledoni, Brynjulf Owren, Takaharu Yaguchi

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Modeling Coupled Systems by Neural Networks with Poisson Structures and Ports

    Razmik Khosrovian, Takaharu Yaguchi, Hiroaki Yoshimura, Takashi Matsubara

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Learning Hamiltonian Partial Differential Equations Using DeepONet with a Symplectic Branch Network

    Makara Yeang, Yusuke Tanaka, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Learning Hamiltonian Density Using DeepONet for Modeling Wave Equations

    Baige Xu, Yusuke Tanaka, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Energy-consistent Neural Operator Learning

    Yusuke Tanaka, Takaharu Yaguchi, Tomoharu Iwata, Naonori Ueda

    International Conference on Scientific Computing and Machine Learning 2025  2025年3月 

    　詳細を見る

    開催年月日： 2025年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Model Reduction of Neural Operators by Infinite-Dimensional Singular Value Decomposition 招待 国際会議

    谷口隆晴

    Workshop on Dynamical Systems and Machine Learning  2025年2月 

    　詳細を見る

    開催年月日： 2025年2月

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Ge-Marsden の定理に基づくSympNets の改良の試み

    瀋翀, 徐百歌, Elena Celledoni, Brynjulf Owren, 谷口隆晴

    日本応用数理学会環瀬戸内応用数理研究部会第28回シンポジウム  2024年12月 

    　詳細を見る

    開催年月日： 2024年12月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • On a posteriori estimates of physics-informed neural networks for solving partial differential equations 招待 国際会議

    谷口隆晴

    RIMS研究集会「幾何構造と微分方程式 - 対称性・特異点・力学系の視点から-」  2024年12月 

    　詳細を見る

    開催年月日： 2024年12月

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • An error bound of PINNs for solving differential equations 国際会議

    Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2024  2024年7月 

    　詳細を見る

    開催年月日： 2024年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Operator Learning of Hamiltonian Density for Modeling Nonlinear Waves 国際会議

    Baige Xu, Yusuke Tanaka, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2024  2024年7月 

    　詳細を見る

    開催年月日： 2024年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Neural Operators for Hamiltonian and Dissipative PDEs 国際会議

    Yusuke Tanaka, Takaharu Yaguchi, Tomoharu Iwata, Naonori Ueda

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2024  2024年7月 

    　詳細を見る

    開催年月日： 2024年7月

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • Improved estimate of the number of input points of DeepONet 国際会議

    Dehami Kiryu, Baige Xu, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2024  2024年7月 

    　詳細を見る

    開催年月日： 2024年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Enhancing Modeling Accuracy via Discriminating Hamiltonian Systems 国際会議

    Yuhan Chen, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2024  2024年7月 

    　詳細を見る

    開催年月日： 2024年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Physics-Informed Neural Networksの誤差解析について

    松原崇, 谷口隆晴

    第29回計算工学講演会  2024年6月 

    　詳細を見る

    開催年月日： 2024年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • PINNによってエネルギー保存則・エントロピー増大則を保つGENERIC系の作用素学習

    徐百歌, 松原崇, 谷口隆晴

    第29回計算工学講演会  2024年6月 

    　詳細を見る

    開催年月日： 2024年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 幾何学的深層科学技術計算 ～深層学習による物理モデリング・ シミュレーション～ 招待

    谷口隆晴

    数学と諸分野の連携にむけた若手数学者交流会2023  2023年3月 

    　詳細を見る

    開催年月日： 2023年3月

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • ニューラルシンプレクティック形式と変分原理の両立性について

    陳 鈺涵, 松原 崇, 谷口 隆晴

    日本数学会2022年度秋季総合分科会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 神経ネットワーク動画像からのモデリングの試み

    安田 諒子, 松原 崇, 谷口 隆晴

    日本数学会2022年度秋季総合分科会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 一般化 Dissipative SymODEN の GENERIC 形式

    徐 百歌, 陳 鈺涵, 松原 崇, 谷口 隆晴

    日本数学会2022年度秋季総合分科会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • GENERICシステムに対する構造保存型深層物理モデル

    徐 百歌, 陳 鈺涵, 松原 崇, 谷口 隆晴

    日本応用数理学会2022年度年会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 複数の研究分野の連携と数理科学 招待

    谷口 隆晴

    日本応用数理学会2022年度年会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層学習を用いてデータから力学系の第一積分を発見し保存するモデル化法

    松原 崇, 谷口 隆晴

    日本応用数理学会2022年度年会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 交流アンケートデータからのネットワーク特徴量推定について

    徐 百歌, 谷口隆晴, 増本康平, 原田 和弘, 近藤 徳彦, 岡田 修一

    日本応用数理学会2022年度年会  2022年9月 

    　詳細を見る

    開催年月日： 2022年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Learning GENERIC Systems Using Neural Symplectic Forms

    Baige Xu, Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2022  2022年7月 

    　詳細を見る

    開催年月日： 2022年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Theoretical analysis of approximation properties of Hamiltonian neural networks

    Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2022  2022年7月 

    　詳細を見る

    開催年月日： 2022年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Neural symplectic form and coordinate-free learning of Hamiltonian dynamics

    Yuhan Chen, Takashi Matsubara, Takaharu Yaguchi

    International Conference on Scientific Computation and Differential Equations (SciCADE) 2022  2022年7月 

    　詳細を見る

    開催年月日： 2022年7月

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • 射影法を用いて系の第一積分を発見し保存するNeural ODE

    松原崇, 谷口隆晴

    電子情報通信学会 情報論的学習理論と機械学習研究会(IBISML)  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • アンバランスを考慮した深層学習による物理系の学習

    吉田崇人, 谷口隆晴, 松原崇

    2022年度 第36回人工知能学会全国大会(JSAI2022)  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Imbalance-aware lossを用いた深層学習による物理系の学習

    吉田 崇人, 谷口 隆晴, 松原 崇

    電子情報通信学会 NOLTAソサイエティ大会  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Neural Symplectic 形式によるGENERICシステムの学習

    徐 百歌, 陳 鈺涵, 松原 崇, 谷口 隆晴

    第27回計算工学講演会  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Geometric Deep Energy- Based Models for Physics 招待

    Takashi Matsubara, Yuhan Chen, Takaharu Yaguchi

    Geometric Deep Energy- Based Models for Physics, Workshop on Functional Inference and Machine Intelligence (FIMI2022), 2022  2022年3月 

    　詳細を見る

    開催年月日： 2022年3月

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Learning Physical Systems with Imbalance-Aware Deep Learning

    Takahito Yoshida, Takaharu Yaguchi, Takashi Matsubara

    電子情報通信学会技術研究報告 複雑コミュニケーションサイエンス研究会(CCS)  2022年3月 

    　詳細を見る

    開催年月日： 2022年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • ニューラルシンプレクティック形式とその応用

    陳鈺涵, 徐百歌, 松原崇, 谷口隆晴

    日本応用数理学会第18 回研究部会連合発表会  2022年3月 

    　詳細を見る

    開催年月日： 2022年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 社会的つながりの次 数分布からの交流ネットワーク生成モデルの提案

    浅野広大, 谷口隆晴, 増本康平, 原田和弘, 近藤徳彦, 岡田修一

    日本応用数理学会第18 回研究 部会連合発表会  2022年3月 

    　詳細を見る

    開催年月日： 2022年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 非線形波動のモデリングのためのハミルトニアン密度の作用素学習

    徐百歌, 田中佑典, 松原崇, 谷口隆晴

    日本応用数理学会2024年度年会  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 言語のための状態空間モデルによるハミルトン力学の時系列予測の試み

    徐 百歌, 谷口 隆晴

    日本数学会2025年度年会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 複数のハミルトン系を同時に学習するシンプレクティックニューラルネットワーク

    徐 百歌, 谷口 隆晴

    日本応用数理学会 2025年度年会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 物理システムにおける深層学習のための損失関数

    吉田崇人, 谷口隆晴, 松原崇

    2023年度 第37回 人工知能学会全国大会 (JSAI2023)  2023年6月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 無限次元ハミルトン系を学習するための近似的なシンプレクティックニューラル作用素

    YEANG MAKARA, 田中 佑典, 松原 崇, 谷口 隆晴

    日本数学会2025年度年会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 深層科学技術計算：深層学習の物理モデリング・シミュレーションへの応用 招待

    谷口隆晴

    Plasma Simulator Symposium 2024  2024年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層科学技術計算の最新動向 ー幾何学的深層科学技術計算ー 招待

    谷口隆晴

    第35回計算力学講演会  2022年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層科学技術計算とそれを支える数学 招待

    谷口隆晴

    MfIP連携探索ワークショップ「数学を軸とする新たな価値創造に向けて」  2024年4月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層科学技術計算 招待

    谷口隆晴

    第49回ASE研究会開催  2024年10月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層物理モデルにおける数値解析技術の応用について 招待

    谷口隆晴

    IMI研究集会「新時代における高性能科学技術計算法の探究」  2023年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 深層学習の物理モデリング・シミュレーションへの応用における最近の話題 招待

    谷口 隆晴

    日本応用数理学会 2025年度年会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 波動方程式のハミルトニアン密度のDeepONetによる作用素学習

    徐百歌, 田中佑典, 松原崇, 谷口隆晴

    第27回情報論的学習理論ワークショップ (IBIS2024)  2024年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 末梢血造血幹細胞動員データ解析のためのグレブナー基底による変数分 類手法

    徐百歌,谷口隆晴,片山義雄

    日本数学会2023年度秋季総合分科会  2023年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 拡散モデルを利用したPINNsに対する適応的学習

    市山 琴美, 谷口 隆晴

    環瀬戸内応用数理研究部会 第29回シンポジウム  2025年12月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 幾何学的深層学習 招待

    Yuhan Chen, 徐百歌,松原崇,谷口隆晴

    RIMS研究集会「新時代における高性能科学技術計算法の探究」  2023年10月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 幾何学的力学と深層学習の連携による物理現象の構造保存型モデリング 招待

    谷口隆晴

    第25回情報論的学習理論ワークショップ (IBIS2022)  2022年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • 在変数をもつハミルトニアンニューラルネットワークのハミルトン構造をもたないデータへの適用について

    延安歩美, 安田諒子, 松原崇, 谷口隆晴

    日本応用数理学会環瀬戸内応用数理研究部会第26回シンポジウム  2022年12月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • 作用素学習のハミルトン系の学習への応用 招待

    谷口 隆晴

    2025年度 RIMS共同研究「機械学習の数理的研究」  2025年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • ハミルトン系に対するカーネル法によるモデリング

    植田大晴, 松原崇, 谷口隆晴

    日本応用数理学会環瀬戸内応用数理研究部会第26回シンポジウム  2022年12月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • ニューラルネットワークを用いたハミルトン系のAverage Vector Field法の改良

    Celledoni Elena, Owren Brynjulf, Shen Chong, Xu Baige, 谷口 隆晴

    第30回計算工学講演会 (JSCES30)  2025年6月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • カーネル法によるハミルトン系の学習と乱択化による高速化

    植田大晴, 松原崇, 谷口隆晴

    第28回計算工学講演会  2023年6月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • アクティブエイジングプロジェクトにおける社会ネットワーク解析 招待

    谷口隆晴

    持続的環境エネルギー社会共創研究機構 研究所間交流会  2023年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Structure-preserving methods for a class of dissipative differential equations 招待 国際会議

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Machine Learning and Physics  2024年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Structure-Preserving Learning for GENERIC systems 国際会議

    Baige Xu, Yuhan Chen, Takashi Matsubara, and Takaharu Yaguchi

    10th International Congress on Industrial and Applied Mathematics (ICIAM2023)  2023年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • On the weak form of the finite element exterior calculus on manifolds 招待

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Machine Learning and Geometric Methods  2025年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Numerical integrators for learning neural ordinary differential equation models 招待 国際会議

    Takaharu Yaguchi

    BIRS Workshop: Structured Machine Learning and Time–Stepping for Dynamical Systems  2024年2月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Neural symplectic form and its variational principle 国際会議

    Takaharu Yaguchi

    Maths4DL Deep Learning for Computational Physics conference  2023年7月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • Neural Operators for Learning Hamiltonian Systems 招待

    Takaharu Yaguchi

    Workshop on Mathematics for Machine Learning and Its Application to Industry  2025年4月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Navier-Stokes方程式に対するPINNsの残差学習による事後誤差推定

    Jackaman James, 徐 百歌, 谷口 隆晴

    日本応用数理学会 2025年度年会  2025年9月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Machine Learning Methods for Learning Physical Systems and Related Problems 招待

    Takaharu Yaguchi

    Workshop on Functional Inference and Machine Intelligence  2026年3月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Learning infinite dimensional Hamiltonian systems via shear-type neural operators

    YEANG MAKARA, 田中 佑典, 松原 崇, 谷口 隆晴

    第28回情報論的学習理論ワークショップ (IBIS2025)  2025年11月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Learning Hamiltonian Systems Using Neural Networks 招待

    Takaharu Yaguchi

    KSIAM 2025 Annual Meeting  2025年11月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（基調）  

    researchmap

  • Hyperbolic Partial Differential Equations Derived From Hippo Matrices 国際会議

    Atsushi Takabatake, Baige Xu, Takaharu Yaguchi

    REMODEL-DSC Workshop on Machine Learning and Physics  2024年8月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • Geometric numerical integrators for a class of dissipative differential equations 招待

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Machine Learning and numerical analysis  2025年4月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Geometric Neural Network Models for Physics 招待

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Geometry, Inverse Problems and Machine Learning  2026年1月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Geometric Integrators for Neural Symplectic Forms 国際会議

    Yuhan Chen, Takashi Matsubara, and Takaharu Yaguchi

    10th International Congress on Industrial and Applied Mathematics (ICIAM2023)  2023年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Geometric Deep Energy-Based Models for Physics 招待 国際会議

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Structure-Preserving Numerical Methods and Machine Learning  2024年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Geometric Deep Energy-Based Models for Physics 招待 国際会議

    Takaharu Yaguchi

    Cambridge Image Analysis Sminar  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • DeepONet による非線形力学系の解の予測における入力点数の評価の改良

    桐生デハミ,徐百歌,谷口隆晴

    日本応用数理学会環瀬戸内応用数理研究部会第27回シンポジウム  2023年12月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • DeepONet による発展型偏微分方程式の学習

    岩田実莉,入江凜,久田正樹,松原崇,谷口隆晴

    日本応用数理学会環瀬戸内応用数理研究部会第27回シンポジウム  2023年12月 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

    researchmap

  • Deep Learning Models for Physical Modeling 招待 国際会議

    Takaharu Yaguchi

    The Data Science seminar in University of Birmingham  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Deep Discrete-Time Models for Physics 招待 国際会議

    Takaharu Yaguchi

    The DNA (Differential Equations and Numerical Analysis) Seminar  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • CoSyNN: Conformal symplectic neural networks for learning dissipative Hamiltonian systems

    徐 百歌, 谷口 隆晴

    第28回情報論的学習理論ワークショップ (IBIS2025)  2025年11月 

    　詳細を見る

    記述言語：日本語   会議種別：ポスター発表  

    researchmap

  • Application of the Kernel Method to Learning Hamiltonian Equations 国際会議

    Taisei Ueda, Takashi Matsubara, and Takaharu Yaguchi

    10th International Congress on Industrial and Applied Mathematics (ICIAM2023)  2023年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（一般）  

    researchmap

  • Application of Infinite-Dimensional Singular Value Decomposition to Model Reduction of Neural Operators 招待

    Takaharu Yaguchi

    REMODEL-DSC Workshop on Differential equations, Geometry and Machine Learning  2025年12月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • Application of DeepONet for learning Hamiltonian PDEs 国際会議

    Baige Xu, Yusuke Tanaka, Takashi Matsubara, Takaharu Yaguchi

    REMODEL-DSC Workshop on Machine Learning and Physics  2024年8月 

    　詳細を見る

    記述言語：英語   会議種別：ポスター発表  

    researchmap

  • An Extension of SympNets for Learning of Multiple Hamilton Systems 招待

    Takaharu Yaguchi

    Forum "Math for Industry"  2025年8月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

  • An error bound of physics-informed neural networks for solving differential equations 招待 国際会議

    Takaharu Yaguchi

    PhysML Workshop 2024  2024年5月 

    　詳細を見る

    記述言語：英語   会議種別：口頭発表（招待・特別）  

    researchmap

▼全件表示

所属学協会

  • Institute of Electrical and Electronics Engineers

    2020年5月 - 現在

    　 詳細を見る

  • 日本流体力学会

    　 詳細を見る

  • 日本数学会

    　 詳細を見る

  • 日本応用数理学会

    　 詳細を見る

  • American Institute of Aeronautics and Astronautics

    　 詳細を見る

委員歴

  • Neural Information Processing Systems (NeurIPS)   Area Chair  

    2026年4月 - 現在   

    　 詳細を見る

  • International Conference on Machine Learning (ICML)   Area Chair  

    2025年11月 - 現在   

    　 詳細を見る

  • International Conference on Learning Representations (ICLR)   Area Chair  

    2025年9月 - 現在   

    　 詳細を見る

  • 日本学術会議   計算音響学小委員会 委員  

    2015年5月 - 2024年3月   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • 28th International Conference on Artificial Neural Networks, Programme Committee  

    　 詳細を見る

共同研究・競争的資金等の研究課題

  • 保存則・散逸則を考慮した Physics-Informed Neural Networksの理論解析

    研究課題/領域番号：25K15148  2025年4月 - 2028年3月

    科学研究費助成事業  基盤研究(C)

    谷口 隆晴

    　 詳細を見る

    資金種別：科研費

    近年の深層学習による発展はめざましく，様々な分野に応用が進んでいる．特に，物理シミュレーションについても応用が始まっており，シミュレーションを加速することで，気象予測や製品開発などが加速すると期待されている．一方，深層学習はブラックボックスと言われることも多く，信頼性が高い方法とはいえない．本研究では，特に，物理法則を保つような深層学習手法に着目し，物理法則を入れることで，どの程度，精度が高まるのかを明らかにすることを目指す．

    CiNii Research

  • 感情調整と信頼の加齢変化と社会的つながりに関する縦断研究

    研究課題/領域番号：23K22352  2024年4月 - 2026年3月

    科学研究費助成事業  基盤研究(B)

    増本 康平, 谷口 隆晴, 佐藤 幸治, 原田 和弘

    　 詳細を見る

    資金種別：科研費

    超高齢社会の問題の解決には，社会的つながりが必要不可欠である。感情調整は，良い人間関係の構築において中核的な役割を担う心理機能であり，加齢による低下がみられずむしろ向上する。しかしながら，高齢期の感情調整機能が社会的つながりに及ぼす影響は明確ではない。そこで本研究では，下記の2つを目的とした研究を実施する。
    目的1：高齢期の感情調整機能が社会的つながりに及ぼす影響を縦断データを用いて検討する。
    目的2：高齢期の感情調整が社会的つながりの基盤である「他者への信頼」に及ぼす影響を心理実験により明らかにする。

    CiNii Research

  • ブラックボックス微分方程式モデルに対する保存則抽出手法とネットワーク解析への応用

    研究課題/領域番号：20K11693  2020年4月 - 2024年3月

    科学研究費助成事業  基盤研究(C)

    谷口 隆晴

    　 詳細を見る

    資金種別：科研費

    本研究では，近年，発展している，深層学習などの技術により，データ駆動型モデルとして導出され,ブラックボックス化してしまった微分方程式に対し,保存則という理論的な性質を明らかにする手法を構築する.
    また，それを利用することで，時間とともに変化する社会ネットワークに潜むと思われる保存則を抽出し，異常なデータを検出する手法を開発する．
    さらに,具体的な応用例として,放牧牛のコミュニティ解析や,企業や金融機関のつくるネットワークの変化など,実データへの解析にも取り組む.

    CiNii Research

  • 健康増進に資する社会的ネットワーク可視化手法の開発と地域介入の効果検証

    研究課題/領域番号：20K20319  2018年6月 - 2023年3月

    科学研究費助成事業  挑戦的研究(開拓)

    増本 康平, 岡田 修一, 谷口 隆晴, 原田 和弘, 近藤 徳彦

    　 詳細を見る

    資金種別：科研費

    ウェアラブルセンサを用いた社会的ネットワークの自動的・定量的計測と可視化システムを用いて、都市部高齢化地域を対象とした社会実験によるデータの信頼性の検証と健康指標との関連性について検討を行ったのち、社会的ネットワークの形成・促進を目的とした地域介入の客観的な効果検証を実施する。

    CiNii Research

社会貢献・国際連携活動概要

  • 機械学習若手の会やInternational Conference on Scientific Computing and Machine Learning を開催し，Scientific Machine Learningの振興に努めている．また，Horizon Europe や JST ASPIREに参加し，イギリス，ノルウェー，オランダなどの研究グループと共同研究を進めている．