News

更新履歴
  • 2023/01/05 ニュース 更新 New!
  • 2023/12/19 ニュース 更新
  • 2023/11/02 ニュース 更新
  • 2023/10/02 おしらせ,ニュース 更新
  • 2023/07/21 おしらせなど 更新
  • 2023/07/14 おしらせ,論文情報など 更新
  • 2023/06/15 おしらせなど 更新
  • 2023/06/01 おしらせなど 更新
  • 2023/03/31 おしらせ 更新
  • 2023/01/28 おしらせ 更新
  • 2022/12/06 おしらせ,学生さん向け研究紹介 更新
  • 2022/10/17 おしらせ 更新
  • 2022/09/06 おしらせ,英語ページ 更新
  • 2022/08/24 おしらせ,査読付き論文 更新
  • 2022/03/08 おしらせ 更新
  • 2021/12/09 おしらせ,書籍・解説記事・研究紹介など 更新
  • 2021/08/09 おしらせ,書籍・解説記事など 更新
  • 2021/07/28 ホームページ公開

  • ニュース
  • 東京大学 生産技術研究所の革新的シミュレーション研究センターの ワークショップ:力学の未来(流体力学分野) にお招きいただき,講演を行いました.(2023/12)New!
  • Navier-Stokes乱流のデータ同化に関する論文"Characterizing small-scale dynamics of Navier-Stokes turbulence with transverse Lyapunov exponents: A data assimilation approach"が アメリカ物理学会のPhysical Review Letters から出版されました.(2023/12)New!
  • 日本流体力学会 年会2023 にてNavier-Stokes乱流のデータ同化に関する講演を行いました.(2023/09)New!
  • 理化学研究所 計算科学研究センターにて開催された 14th Data Assimilation workshop と慶應義塾大学にて開催された KiPAS Dynamics Days (KiPDD) 2023 にてポスター発表を行いました.(2023/08)New!
  • 国際産業数理・応用数理会議ICIAM 2023にてMinisymposium "Machine Learning for dynamics and its applications" をオーガナイズし,講演(Data-driven inference of Navier-Stokes turbulence from limited observations)を行いました.(2023/08)New!
  • 京都大学応用数学セミナー にお招きいただき,Navier-Stokes乱流のデータ同化に関する講演を行いました.(2023/07)New!
  • 新しい論文を公開しました( https://doi.org/10.48550/arXiv.2307.05941 ).Navier-Stokes乱流のデータ同化を説明する理論的枠組みを提案しています.(2023/07)New!
  • 2023年度 第2回 非線形ワークショップ にてチュートリアル講演「大自由度非線形力学系としてのナビエ-ストークス乱流とデータ駆動型アプローチ」を行いました.(2023/07) New!
  • Dynamics Days Ookayama 2023 にて招待講演を行いました.(2023/07) New!
  • 共同研究者の岩崎有登さん(東北大D3)らとの共著論文 Reservoir computing reduced-order model based on particle image velocimetry data of post-stall flow が出版されました.(2023/05) New!
  • 第9回「ARC✕光」研究会 にて招待講演を行いました.(2023/05) New!
  • アメリカ応用数学会 SIAM Conference on Applications of Dynamical Systems (DS23) にて講演 Characterizing Data Assimilation in Navier-Stokes Turbulence with Transverse Lyapunov Exponents を行いました.(2023/05) New!
  • 低次元モデルに基づく先進的流体制御研究調査会 第二回研究会 にて招待講演を行いました.(2023/04) New!
  • 東京大学生産技術研究所 革新的シミュレーション研究センターのシンポジウム「 力学の未来 」にて招待講演を行いました.(2023/03) New!
  • 応用物理学会春季学術講演会のフォーカストセッション「AIエレクトロニクス」にて招待講演「 リザバーコンピューティングの数理的側面とカオス力学系の時系列予測 」を行いました.(2023/03) New!
  • アメリカ物理学会APS March Meeting 2023にて口頭発表 Characterizing data assimilation in Navier-Stokes turbulence with transverse Lyapunov exponents を行いました.(2023/03) New!
  • ケンブリッジ大学ニュートン研究所(Isaac Newton Institute for Mathematical Sciences)のワークショップ "The mathematical and statistical foundation of future data-driven engineering" (写真)に参加し, ナヴィエ-ストークス乱流のデータ同化に関する研究発表を行いました.(2023/01)New!
  • 日本流体力学会2022における講演「3次元周期箱乱流の連続データ同化と軌道不安定性」が 注目研究 in 年会2022 に選出され, 解説記事 が学会誌「ながれ」に掲載されました.(2022/12)
  • 第36回数値流体力学シンポジウムで共同研究者の松元智嗣さん(阪大M2)が 若手優秀講演表彰 を受賞しました.(2022/12)
  • 高校生向けの研究紹介の記事が東京理科大学の 広報誌「科学フォーラム」(2022年12月号) に掲載されました.タイトルは 「高校数学で楽しむ数理モデルと予測不可能性 」 です.(2022/12)
  • 日本流体力学会年会2022で共同研究者の岩崎有登さん(東北大D2)の講演「リザバーコンピューティングを用いた翼面上非定常圧力データに基づく翼周り時系列速度場の推定手法の開発」が 若手優秀講演表彰 を受賞しました.(2022/09)
  • 研究についての記事が『日刊工業新聞』に掲載されました: "東京理科大、AI強化学習で「流体混合」最適化 新手法開発" (2022/09)
  • 論文がEurekAlert!で紹介されました: "Mixing things up: optimizing fluid mixing with machine learning" (2022/09)
  • 論文が東京理科大学のホームページで紹介されました: 「人工知能(AI)が効率的な混ぜ方を自動で学習~流体混合問題に対する強化学習の有効性を実証、環境低負荷型社会実現への貢献に期待~」 (2022/09)
  • Springer Nature社の学術誌Scientific Reportsから論文 Fluid mixing optimization with reinforcement learning が出版されました(2022/09).
  • 東京大学 生産技術研究所の 第37回生研TSFDシンポジウム 「乱流シミュレーションと流れの設計 ― 乱流研究の新展開」 にて講演を行いました(2022/03).
  • 日本流体力学会年会2021で中谷謙介さん(阪大M2)が 若手優秀講演表彰 を受賞しました(中谷謙介,犬伏正信,本告遊太郎,後藤晋 「機械学習を用いた時系列データからの乱流場推定」).
  • Springerから "Reservoir Computing-Theory, Physical Implementations, and Applications-" が出版されました.数理的側面に関する章の執筆を担当しました.
  • 化学工学会の 会誌「化学工学」に解説記事 "リザバーコンピューティング:時系列データの機械学習" が掲載されました.
  • 日本流体力学会 学会誌「ながれ」 にて連載「私のながれの学び方」の編集を担当しています.数学から工学まで幅広い分野の流体研究者に「流体力学の学び方」をご紹介頂いています.
  • 京都大学 数理解析研究所の国際研究集会 RIMS Workshop: Mathematical methods for the studies of flow, shape, and dynamicsが2021年8月30日-31日に開催されました.
  • About Me

    氏名:犬伏 正信 (Masanobu Inubushi)
    所属:東京理科大学 理学部第一部 応用数学科・准教授
      (大阪大学 大学院基礎工学研究科・招へい准教授)
      (宇宙航空研究開発機構JAXA 宇宙科学研究所・大学共同利用システム研究員)
    Email: inubushi (at) rs.tus.ac.jp

    学位
    2008/03 学士(工学)東京工業大学 工学部 機械宇宙学科
    2010/03 修士(理学)京都大学 大学院理学研究科 数学・数理解析専攻(数理解析系)
    2013/03 博士(理学)京都大学 大学院理学研究科 数学・数理解析専攻(数理解析系)
    博士論文:Covariant Lyapunov Analysis of Navier-Stokes Turbulence
    (指導教官: 山田道夫教授,竹広真一准教授)

    職歴
    2012/04 - 2013/03 京都大学 数理解析研究所・日本学術振興会 特別研究員(DC2)
    2013/04 - 2018/02 NTT コミュニケーション科学基礎研究所・研究員
    2018/03 - 2021/03 大阪大学 大学院基礎工学研究科・助教
    2021/04 - 現職

    その他
    2010/04 - 2012/03 京都大学 数理解析研究所・RA
    2010/04 - 2012/03 京都大学 大学院理学研究科・TA(線形代数学演習)
    2023/04 - 2024/03 JAXA 宇宙科学研究所・大学共同利用システム研究員

    学会活動
    日本流体力学会
     学会誌「ながれ」編集委員(2019-),流体数理OS オーガナイザ (2019-2022),
     AIと流体力学OS オーガナイザ(2023-),第31期代議員(2023-)
    日本物理学会 領域11運営委員(応用数学・力学系・流体力学分野 担当)(2021-2022)
    電子情報通信学会 会誌編集委員 (2016-2018)

    Research Interests

    数学,特に力学系理論の応用に興味を持っています.主な研究対象は, 流体力学(安定性,乱流,混合)と情報科学(機械学習,乱数生成)に現れる非線形問題です. 最近は,情報科学の手法を流体力学の問題に応用することにも取り組んでいます.
    ✎学生さん向け研究紹介はこちら

  • ナヴィエ-ストークス方程式に従う流体の運動を力学系理論の観点から調べています. 特に2次元のコルモゴロフ流れ,3次元のクエット流れ,周期箱乱流に対して,主にリヤプノフ解析を用いて調べています (図はコルモゴロフ流れの共変リヤプノフベクトル).力学系の双曲性と流体運動の関係,乱流の普遍性と 軌道不安定性の関係に興味を持っています.

  • リザバーコンピューティング(Reservoir Computing, RC)という機械学習法の研究を行っています. RCは学習パラメタに関する線形モデルで⼊出⼒時系列間の⾮線形関係を近似する手法です. 力学系理論の観点からその数理的性質(詳しくはこちら)を調べています. また力学系の性質を利用した少量データでの学習法(転移学習)を提案しています.

  • 流体混合は工学的に重要ですが,効率の良い混合法を獲得するためには,時間大域的な最適化問題を扱う必要があり容易ではありません.そこで,時間大域的な最適化問題に適した機械学習法である強化学習に着目し, 流体混合の最適化問題へ応用しています. 移流拡散方程式に従う濃度場の混合問題では,深層強化学習が有効であることを示しています.

  • Publications

    査読付き論文
    1. Masanobu Inubushi, Yoshitaka Saiki, Miki U. Kobayashi, Susumu Goto,
      "Characterizing Small-Scale Dynamics of Navier-Stokes Turbulence with Transverse Lyapunov Exponents: A Data Assimilation Approach",
      Physical Review Letters 131, 254001 (2023).
      https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.131.254001 New!
    2. Yuto Iwasaki, Takayuki Nagata, Yasuo Sasaki, Kumi Nakai, Masanobu Inubushi, and Taku Nonomura,
      "Reservoir computing reduced-order model based on particle image velocimetry data of post-stall flow",
      AIP Advances 13, 065312 (2023).
      https://pubs.aip.org/aip/adv/article/13/6/065312/2894878/Reservoir-computing-reduced-order-model-based-on New!
    3. Mikito Konishi, Masanobu Inubushi, and Susumu Goto,
      "Fluid mixing optimization with reinforcement learning",
      Scientific Reports 12, 14268 (2022).
      https://www.nature.com/articles/s41598-022-18037-7 New!
      Featured in EurekAlert!
      "Mixing things up: optimizing fluid mixing with machine learning" New!
    4. Masanobu Inubushi and Susumu Goto,
      "Transfer learning for nonlinear dynamics and its application to fluid turbulence",
      Physical Review E 102, 043301 (2020).
      https://arxiv.org/abs/2009.01407
      https://journals.aps.org/pre/abstract/10.1103/PhysRevE.102.043301
    5. Takumi Yokosaka, Masanobu Inubushi, Scinob Kuroki, and Junji Watanabe,
      "Frequency of Switching Touching Mode Reflects Tactile Preference Judgment",
      Scientific Reports 10, 3022 (2020).
    6. Masanobu Inubushi,
      "Unpredictability and robustness of chaotic dynamics for physical random number generation",
      Chaos: An Interdisciplinary Journal of Nonlinear Science 29, 033133 (2019).
      https://aip.scitation.org/doi/10.1063/1.5090177
    7. Kosuke Takano, Chihiro Sugano, Masanobu Inubushi, Kazuyuki Yoshimura, Satoshi Sunada, Kazutaka Kanno, and Atsushi Uchida,
      "Compact reservoir computing with a photonic integrated circuit",
      Optics Express, 26(22) 29424-29439 (2018).
    8. Makoto Tomiyama, Kazuto Yamasaki, Kenichi Arai, Masanobu Inubushi, Kazuyuki Yoshimura, and Atsushi Uchida,
      "Effect of bandwidth limitation of optical noise injection on common-signal-induced synchronization in multi-mode semiconductor lasers",
      Optics Express, 26(10), 13521-13535 (2018).
    9. Takuma Sasaki, Izumi Kakesu, Yusuke Mitsui, Damien Rontani, Atsushi Uchida, Satoshi Sunada, Kazuyuki Yoshimura, and Masanobu Inubushi,
      “Common-signal-induced synchronization in photonic integrated circuits and its application to secure key distribution”,
      Optics Express, 25(21), 26029-26044 (2017).
    10. Shoma Ohara, Andreas Karsaklian Dal Bosco, Kazusa Ugajin, Atsushi Uchida, Takahisa Harayama, and Masanobu Inubushi,
      "Dynamics-dependent synchronization in on-chip coupled semiconductor lasers",
      Physical Review E 96, 032216 (2017).
    11. Masanobu Inubushi and Kazuyuki Yoshimura,
      "Reservoir Computing Beyond Memory-Nonlinearity Trade-off",
      Scientific Reports 7, 10199 (2017).
      https://www.nature.com/articles/s41598-017-10257-6
    12. Tomohiro Ito, Hayato Koizumi, Nobumitsu Suzuki, Izumi Kakesu, Kento Iwakawa, Atsushi Uchida, Takeshi Koshiba, Jun Muramatsu, Kazuyuki Yoshimura, Masanobu Inubushi, and Peter Davis,
      "Physical implementation of oblivious transfer using optical correlated randomness",
      Scientific Reports 7, 8444 (2017).
      https://www.nature.com/articles/s41598-017-08229-x
    13. Andreas Karsaklian Dal Bosco, Naoki Sato, Yuta Terashima, Shoma Ohara, Atsushi Uchida, Takahisa Harayama, and Masanobu Inubushi,
      "Random number generation from intermittent optical chaos",
      IEEE Journal of Selected Topics in Quantum Electronics, vol. 23, no. 6, pp. 1-8, (2017).
    14. Nobumitsu Suzuki, Takuya Hida, Makoto Tomiyama, Atsushi Uchida, Kazuyuki Yoshimura, Kenichi Arai, and Masanobu Inubushi,
      "Common-signal-induced synchronization in semiconductor lasers with broadband optical noise signal",
      IEEE Journal of Selected Topics in Quantum Electronics, vol. 23, no. 6, pp. 1-10, (2017).
    15. Andreas Karsaklian Dal Bosco, Syoma Ohara, Naoki Sato, Yasuhiro Akizawa, Atsushi Uchida, Takahisa Harayama, and Masanobu Inubushi,
      "Dynamics versus feedback delay time in photonic integrated circuits: Mapping the short cavity regime",
      IEEE Photonics Journal, Volume: 9, Issue: 2 (2017).
    16. Kazusa Ugajin, Yuta Terashima, Kento Iwakawa, Atsushi Uchida, Takahisa Harayama, Kazuyuki Yoshimura, and Masanobu Inubushi,
      "Real-time fast physical random number generator with a photonic integrated circuit",
      Optics Express 25(6), 6511-6523 (2017).
    17. Masanobu Inubushi, Kazuyuki Yoshimura, and Peter Davis
      "Noise robustness of unpredictability in a chaotic laser system: Toward reliable physical random bit generation”
      Physical Review E 91, 022918 (2015).
    18. Masanobu Inubushi, Kazuyuki Yoshimura, Kenichi Arai, and Peter Davis
      “Physical random bit generators and their reliability: focusing on chaotic laser systems”
      Nonlinear Theory and Its Applications (invited paper), IEICE, vol. 6 no. 2 (2015).
    19. Masanobu Inubushi, Shin-ichi Takehiro, Michio Yamada
      “Regeneration cycle and the covariant Lyapunov vectors in a minimal wall turbulence''
      Physical Review E 92, 023022 (2015).
    20. Masanobu Inubushi, Miki U Kobayashi, Shin-ichi Takehiro, and Michio Yamada
      “Covariant Lyapunov Analysis of Chaotic Kolmogorov Flows”
      Physical Review E 85, 016331 (2012).
      査読付き会議録
    1. Masanobu Inubushi and Susumu Goto
      Transferring Reservoir Computing: Formulation and Application to Fluid Physics,
      Lecture Notes in Computer Science 11731, 193, Springer (2019). https://link.springer.com/chapter/10.1007/978-3-030-30493-5_22
    2. Mitsumasa Nakajima, Masanobu Inubushi, Takashi Goh, and Toshikazu Hashimoto
      Coherently Driven Ultrafast Complex-Valued Photonic Reservoir Computing, Proceedings Conference on Lasers and Electro-Optics, page SM1C.4 (2018). https://www.osapublishing.org/abstract.cfm?URI=CLEO_SI-2018-SM1C.4
    3. Masanobu Inubushi, Miki U Kobayashi, Shin-ichi Takehiro, Michio Yamada
      Covariant Lyapunov Analysis of Chaotic Kolmogorov Flows and Time-correlation Function,
      Procedia IUTAM, 5, 244-248 (2012).
      https://www.sciencedirect.com/science/article/pii/S2210983812000934
    書籍・解説記事など
    1. Masanobu Inubushi, Kazuyuki Yoshimura, Yoshiaki Ikeda, and Yuto Nagasawa,
      On the Characteristics and Structures of Dynamical Systems Suitable for Reservoir Computing,
      Chapter 5, Reservoir Computing -Theory, Physical Implementations, and Applications-, Kohei Nakajima and Ingo Fischer (Eds.), Springer (2021).New!
      [link]
    2. 犬伏正信,
      リザバーコンピューティング:時系列 データの機械学習,
      化学工学会会誌「化学工学」 Vol.85, No.12 (2021).New!
      [PDF]
    3. 犬伏正信,吉村和之,
      リザバーコンピューティングに適した力学系の特性と構造,
      電子情報通信学会誌 Vol.102, No.2, pp.114-120 (2019).
      [PDF]
    4. 中島光雅,犬伏正信,郷隆司,橋本俊和,
      コヒーレント駆動光リザーバコンピューティング,
      光学 第48巻 第6号 (2019).

    Laboratory

    ✏学生さん向け研究紹介
    力学系理論は「力学」とついているので物理の理論と思われがちですが, 数理モデル(微分方程式等)を研究する数学の一分野です.特に,非線形な数理モデルでは(モデルに確率的な要素がなくても) カオスと呼ばれる一見ランダムな現象が起こります.力学系理論を応用して,非線形現象を理解・予測・制御するための研究を行っています.


    ✏ 高校生向けに書いた研究の解説記事
    東京理科大学の 広報誌「科学フォーラム」 の記事です.タイトルは 「高校数学で楽しむ数理モデルと予測不可能性 」 です.

    ✏ 研究紹介ポスター [PDF]

    ✏ 研究内容に興味を持たれた方はお気軽にご連絡ください.