Yoshinobu Kawahara

Our paper "Mesh Field Theory: Port-Hamiltonian Formulation of Mesh-Based Physics" (first author: S. Noguchi (JAMSTEC / RIKEN AIP)) was accepted to @icmlconf #ICML2026 (arXiv:2605.00394 arxiv.org/abs/2605.00394). For ML-based prediction of physical dynamics on meshes, Mesh Field Theory fixes the topological skeleton derived from universal physical principles and learns only the metric and dissipative structures from data, enabling structure-preserving, physically faithful, and data-efficient simulation.

さきがけ「デジタル時空間拡張基盤」領域が立ち上がりました。数理科学・情報科学・計算科学・データ科学の広い分野が関連すると思いますので、領域ページjst.go.jp/kisoken/boshuu…をご確認の上で、ぜひ応募ご検討ください。

@Nonline21515552 クープマン作用素の連続スペクトルの影響を利用したティッピング予測 (検知) の方法に関する論文です。研究室M2の宮内優太くんが第一著者の論文です。

Our new paper titled "Generalized Stochastic Resilience for Early Warning Signals Based on Koopman Operator" is now out in Nonlinear Dynamics @Nonline21515552, #NonlinearDynamics (first author: Yuta Miyauchi from The University of Osaka): link.springer.com/article/10.100… We generalize stochastic resilience for early warning signals (EWS) with stochastic Koopman operator and propose ResKMD (stochastic residual of Koopman mode decomposition), which is computable via ResDMD (residual dynamic mode decomposition), to separate noise-driven fluctuations from continuous-spectrum effects near bifurcations, enabling robust tipping-point prediction even with observation noise.

2025年度AIPシンポジウム成果発表会のご案内 　ai-gakkai.or.jp/jsaiml/index.c…

@chenzch Thanks! Yes, it’s actually closely related to Fredformer. I’ll also let Bai-san know that Chen-san sent this message, so if we have the chance, let’s discuss it.

@44nb_k Hi Prof, this is a very nice paper. It touches on frequency bias, which is closely related to our KDD 2024 work(Fredformer), where we formally defined the frequency learning issue of Transformers in TSF. Glad to see further discussion of this line of work in future studies.

Our paper "Dualformer: Time-Frequency Dual Domain Learning for Long-term Time Series Forecasting" (first author: Jingjing Bai (UOsaka)) has been accepted at #AISTATS2026 (arXiv: arxiv.org/abs/2601.15669). We tackle Transformers' low-pass bias in long-term time series forecasting via a time/frequency dual-branch model with layer-wise band allocation.

研究室D2の白晶晶さんが第一著者の論文です。

@koh_t こちらこそ引き続きよろしくお願いします！

@44nb_k 河原さんのおかげです！ありがとうございます。引き続きよろしくお願いします🙇

JKJになってしまった

結構マニアックですが、前から気になっていたラフパス理論を、確率的な連続深さニューラルネット (Neural SDEs) に応用した論文です。

Our new paper titled "Infinitely deep Bayesian neural network with signature transform" is now available online in Neurocomputing (first-authored by Dr. X. Yang from Kyushu Univ.): sciencedirect.com/science/articl… Building on rough path theory, we study a continuous-depth Bayesian neural network and show that applying the signature transform to Neural SDEs can improve the stability and robustness of their stochastic properties.

今回NeurIPS発表論文のタイトルは「Wavy Transformer」ですが、主著の野口さん (JAMSTEC/RIKEN) 曰く、wavyは俗語で、イケてる、イカした、みたいな意味があるらしい (元来の意図は波動的な)。そう考えると結構攻めたタイトルかもですね。。ポスターは5日昼です。openreview.net/forum?id=ig4gf… #NeurIPS2025

お、ほんまや

Several postdoc positions and positions for scientific software engineers will become available in my department at the Max Planck Institute of Biochemistry in Munich over coming months. Topics include machine learning in bioengineering, in proteomics and in medicine. 1/2

【ニュース】 大阪大学の公式英語名称変更のお知らせ －The University of Osaka へ－ osaka-u.ac.jp/ja/news/topics… #阪大 #ニュース

【ニュース】 工学部、基礎工学部の入学定員を令和7年度より増員！～基礎理論と実践力を兼ね備えた高度情報専門人材の育成を強化！ osaka-u.ac.jp/ja/news/topics… #阪大 #ニュース

This paper introduces an Optimal Control/Reinforcement Learning framework that minimizes the sum of per-step costs (as usual in OC/RL) + some functions of the spectrum of the Koopman operator (new). Why should we do that? Read on!

理化学研究所におけるBOOSTプログラムの活用方針について riken.jp/pr/news/2024/2… #科学道

@yasuotabei 大事なとこで笑 いずれにしても、また東京に行ったらお祝いしましょう！

@44nb_k 確かに！ご指摘ありがとうございます。チームリーダでした！グループディレクターでもなく、中途半端な職位になってますね。💦

本日より、理研AIPでグループリーダーを務めることになりました。今後も皆様の変わらぬ支援と協力を心からお願い申し上げます。