研究室に興味のある方へ

大学教育の新しい流れとして、「文理融合」という言葉を最近よく耳にします。社会を見回しても、ほとんどの仕事は文系・ 理系両方の知識を備えて初めてきちんとこなせると考えます。また、情報化・グローバル化が進んだ今、ますます両者のバランスが要求されてきています。
重力波物理学・天文学/データサイエンス(GW-DS Group)では、理系の枠を超えて文系がわかる理系人間、そして文系の枠を超えて理系がわかる文系人間の育成、すなわち、幅広い視点をもって物事を科学的にとらえる事が出来る人間の育成をめざしています。現代では、統計学、定量分析、社会調査、マーケティングなど、多くの分野で数理的素養が求められています。重力波物理学・天文学/データサイエンス(GW-DS Group)では、将来、研究やビジネス社会で国際的な活躍をするために必要な情報数理(数学、物理学やコンピュータスキルなど)の知識、技術を身につけ る事も目標にしています。 特に、

  1. 数理的な素養
  2. コミュニケーション能力
  3. 論理的思考
  4. 情報の高度な応用

という4つの力をバランス良く身につける事に重点を置いています。

東京都市大学では、主に学部3年後半に研究室に配属となります(デザイン・データ科学部では大学院から)。重力波物理学・天文学/データサイエンス研究室(GW-DS Group)では、できれば大学院進学を勧めています。
4つの力を身につけたいと考えている元気のよい学生は、ぜひ重力波物理学・天文学/データサイエンス(GW-DS Group)で一緒に学びましょう。
また、大学院博士前期課程や博士後期課程(総合理工学研究科 情報専攻)からの学生も受け入れています。

一緒に研究を進めたいと考えている学生は、一度研究室を訪ねてみてください。

重力波物理学・天文学/データサイエンス(GW-DS Group)で、特に力を入れている研究テーマは研究内容のページを覗いてみてください。重力波物理学・天文学/データサイエンス(GW-DS Group)で行なう研究テーマは、もちろん、必ずしも研究内容のページのテーマを扱う必要がありません。興味のある研究を楽しみながら一緒に進めて行きましょう。

重力波物理学・天文学/データサイエンス研究室(GW-DS Group)における教育・研究指導は、観測装置・慣性センサや機械学習、データ処理がキーワードとなっていますが、それぞれひとつずつの物理モデル、機械学習モデルやデータ処理手法が組み込まれているというわけではなく、ひとつの研究課題に多数のモデルや手法が組み込まれています。
そのため、各研究機関に在籍する共同研究者・学生らと分担しながら、個別の物理モデル、機械学習モデルやデータ処理手法を組み込むというスタイルで研究を遂行しています。しかし、例えば、導入されている物理モデル、機械学習のモデルやデータ処理手法は、難解な理論を有するものもあれば、容易に理解できる理論を有するものもあります。また、観測装置や慣性センサから得られる信号の前処理などにも、学生が理解しにくいものもあります。これら一連の研究は、(A)観測装置や慣性センサの取り扱い方法、(B)観測・実験によるデータ取得、(C)信号処理、(D)物理や機械学習による自動判定モデルの構築、(E)構築したモデルの精度評価法、(F)実装方法、をすべて最終的には理解していなければなりません。
今までの教育・研究指導経験を生かし、これらの研究課題に存在する物理モデル、機械学習モデルやデータ処理手法の構築難易度を考慮しつつ、学生の教育・研究教育指導を進めていきたいと考えています。すなわち、一人一人の能力を見極めつつ、成功体験を積み上げていくことが重要であると考えています。

こちらのインタビュー記事1インタビュー記事2記事(AERA.dot)なども参考にしてください。

学生が書いてくれた研究室紹介です

研究室のキャッチフレーズ

  1. 物事を科学的にとらえる
  2. 論理的思考力・バランス感覚を養う
  3. 研究も、遊びも、やる気が大事!

研究室の一日

重力波物理学・天文学/データサイエンス(GW-DS Group)では、学生が自主的に研究時間を設定していますが、1日1回は研究室に顔を出すことを原則としています。大型低温重力波望遠鏡KAGRA(図1)のデータ解析のための研究、センサを用いた研究や・オペレーションズ・リサーチなど様々なテーマで研究を進めています。

図1:大型低温重力波望遠鏡KAGRAのイメージ図
©️ KAGRA Collaboration / Rey.Hori

学生ごとに研究スタイルは違いますが、主にPCに向かいプログラミングや数値実験をしているか(図2)、研究に必要な基礎知識を研究室メンバーを交えて議論している時間が長いです。アルバイトやサークル活動を両立し、学会や研究会で各自の研究成果の発表もしています。

ゼミでは、研究に必要な基礎知識の習得や論文紹介などを行っています。
新型コロナウィルス感染症が広がる前は、定期的に飲み会やイベントなども開催していました。また、イベントが再開できるのを楽しみにしています。

図2:作成したプログラムを用いてデータを処理している様子

先生の印象

髙橋先生はとても研究熱心で時には厳しく、時には優しく指導してくださっています。その熱心な指導のおかげで、様々な学会・研究会で発表を行い、成果を残しています。真面目に研究を行いたい学生とって研究しやすい環境が整っています。

博士論文・修士論文・卒業論文の主なテーマ

博士論文

  1. 重力波観測における突発性雑音の変分オートエンコーダによる潜在変数抽出とクラスタリング手法による分類 (2023年度修了)
  2. 重力波データ解析へのHilbert-Huang 変換の応用: ノイズに対する統計的性能評価および連星ブラックホール合体重力波の解析 (2017年度修了)
  3. 機械学習による分析に基づく科学技術人材育成支援環境の構築 (2015年度修了)

修士論文

  1. 講義受講後の自由記述を用いた学習者の関心度推定システムの構築
  2. 鎖流を用いた⻑岡市中心区域の避難計画モデル
  3. 事前分布にラプラス分布を仮定したベイズ深層学習による重力波解析の検討
  4. Investigation of Frequency Evolution of Gravitational waves from Core Collapse Supernova by Hilbert-Huang Transform
  5. 大型低温重力波望遠鏡KAGRAのための深層学習を用いた突発性雑音の分類
  6. SNSによる避難所の情報交換を考慮した災害避難シミュレーション
  7. 層流の混雑状況を想定したマルチエージェントシステムによる複数のグループの歩行シミュレーション
  8. 単一慣性センサを用いた競泳指導システムの構築:ストローク-ターン判定とプロトタイプ構築
  9. KAGRA試験観測データを用いた重力波データ解析におけるHilbert-Huang変換の有効性の検証
  10. 大型低温重力波望遠鏡KAGRAにおける制御システムの開発
    など

卒業論文

  1. Denoising Autoencoderを用いた重力波データ解析におけるノイズ除去に関する基礎的研究
  2. データサイエンスリテラシー受講後の文章を用いた関心度推定システム構築に向けた基礎調査
  3. 装着型加速度センサを用いた運転中の行動推定における特徴量の検討
  4. データサイエンス・AIに関する講義が動機付け・キャリア形成に与える影響の分析
  5. 不満を考慮した受け入れ保留アルゴリズムを用いた研究室配属
  6. 装着型加速度センサを用いた運転中の行動推定における特徴量の検討
  7. データサイエンス・AIに関する教育効果の分析 –動機付け・キャリア形成の観点から–
  8. 深層学習を用いた睡眠段階の分類の試み
    など

主な就職先(前職での学生の就職先も含む)

日立製作所
三菱電機
NTT西日本
日本ユニシス
富士通エフサス
みずほ総合研究所
三菱東京UFJ銀行
岡三証券
内田洋行ITソリューションズ
AMANO
富士通システムズ(長野)
福島キャノン(福島)

日本アドバンス・テクノロジー(現 三菱電機ソフトウエア株式会社)
NTT Data
NEC通信システム
マネーフォワード
富士電機株式会社
野村総合研究所
高校教員(静岡県)
など

研究職:

日本大学(教員)
東京高専(教員)
長岡高専(教員)
国立スポーツ科学センター(研究員)
など

OB/OGとの交流:OB/OGによる研究室訪問や就職セミナーも実施しています。

東京都市大学
デザイン・データ科学部 デザイン・データ科学科
総合研究所 宇宙科学研究センター

重力波物理学・天文学/
データサイエンス研究室

〒224-8551 神奈川県横浜市都筑区牛久保西3-3-1

Gravitational Wave Physics and Astronomy /
Data Science Group

Department of Design and Data Science,
Research Center for Space Science, Advanced Research Laboratories,
Tokyo City University

3-3-1 Ushikubo-Nishi, Tsuzuki-Ku, Yokohama, Kanagawa 224-8551, Japan

Copyright © Gravitational Wave Physics
and Astronomy / Data Science Group
トップへ戻るボタン