Tomoei Takahashi 高橋智栄

新しい論文をarXivにアップしました！ 拡散モデルの学習後の生成ダイナミクスでは特徴的な3つの相が現れます。その相境界が統計力学の方法によって決定されていますが[G. Biroli et. al 2024]、同じ理論を離散データに対する拡散モデルである、離散拡散モデルに適用してみました。 arxiv.org/abs/2604.10961

Congratulations, Champions! 🏆

アーセナル上層部は2020年の段階で既にシティとリバプールが2023-27頃には再建期を迎え、アーセナルにとってのチャンスとなると予測しており、この時期を見据えて4000万￡以下で23歳以下の選手を狙うという方針でウーデゴールらこの時期にピークを迎えるであろう選手の獲得を進めていたのだそうです

プレミアリーグは、アーセナルが優勝しました🏆️ 2022年9月にアーセナルのグラウンズパーソンとして加入してから、3年2位続きと長い道のりでした。 少しはクラブの力になっていたのであれば光栄です。 そしてプレミアリーグ制覇というプロジェクトに関われたことを誇りに思います🏴󠁧󠁢󠁥󠁮󠁧󠁿

やった。 やったよ。 22年ぶり。 アーセナル、ありがとう。 さぁ喜ぼう。Gooners Rejoice！ この瞬間を、この喜びを宝に。 父さん、やったよ。 #アーセナル

Arsenal: 2025/26 Premier League champions.

【我慢の天才】 🇪🇸アルテタ監督就任以降のアーセナル プレミアリーグの成績 2019/20 : 💣8位 2020/21 : 💣8位 2021/22 : ❌5位 2022/23 : 🥈2位 2023/24 : 🥈2位 2024/25 : 🥈2位 2025/26 : 🏆優勝⇦New 多方面から馬鹿にされ続けてても、辞任せず戦ったアルテタ

アーセナル応援し始めて初めて、プレミア優勝！嬉しすぎる。。。。

ショーペンハウアーは匿名批評家に異常に厳しくて、匿名なだけで「無頼漢」「卑怯者」「ごろつき」と断じていいと過激なことを書いてる。面白いのは、人は匿名になると一人称が「われわれ」になり、まるで国王のようになるという指摘。逆に言うと、実名というのは脆弱な個人を引き受けることなのだろう

新しい論文をarXivにアップしました！ 拡散モデルの学習後の生成ダイナミクスでは特徴的な3つの相が現れます。その相境界が統計力学の方法によって決定されていますが[G. Biroli et. al 2024]、同じ理論を離散データに対する拡散モデルである、離散拡散モデルに適用してみました。 arxiv.org/abs/2604.10961

ファンになってから15年ほど、初めてアーセナルがチャンピオンズリーグの決勝へ！嬉しすぎる。。。

東大知の物理 (私も3月まで所属) の髙橋昂さん、樺島祥介先生との共同研究です。

Descent from a common ancestor restricts exploration of protein sequence space @PNASNews 1. The paper asks whether extant homologous proteins are representative of the full functional sequence space, and finds a strong “no”: across thousands of families, the dimensionality and volume occupied by natural sequences are minuscule compared with model-based expectations. 2. Core result: the dominant constraint is the “point of origin effect”—starting evolution from a single common ancestor (a single location in sequence space) drastically limits how much of functional sequence space can be explored, even over billions of years. 3. Method highlight: they quantify the geometry of extant sequence distributions using correlation dimension (Dcor) computed from pairwise distances within protein families, then convert this into an “effective topological dimension” to compare across families with different amino-acid usage constraints. 4. Data scope: protein families were analyzed in Vertebrata and in bacteria (Enterobacterales and Gammaproteobacteria), chosen as a tradeoff between phylogenetic breadth and alignment quality; results were consistent across these very different taxa, suggesting generality. 5. They link “occupied volume” to both maximum divergence (rmax) and estimated dimension (roughly V ≈ rmax^Dcor), showing that extant homologs occupy a vanishingly small region of the potential functional space implied by evolutionary constraint parameters. 6. To disentangle causes, they simulate protein evolution with a fitness-matrix model that allows selection (α = fraction of allowed amino-acid states) and epistasis (γ = how many allowed substitutions flip after each substitution), across different tree shapes, matching real-family divergence levels. 7. Key comparison: varying selection and epistasis changes amino-acid usage and accessible paths, but these factors do not explain the extreme smallness of extant dimensionality as strongly as shared ancestry does; common descent overwhelmingly compresses explored space relative to what would be reachable from multiple independent starting points. 8. Epistasis is nuanced: locally it can be restrictive (blocking substitutions in the current context), yet globally it can expand exploration by enabling access to distant regions over long trajectories; the paper argues this helps reconcile observations that epistasis signals are strong while extant space remains tiny. 9. Scale of the gap: for DnaA (example), the paper estimates the hypothetical upper limit of functional sequence space (based on inferred constraints) contains ~10^36 more sequences than the extant space occupied by Enterobacterales homologs—illustrating how large the unexplored functional reservoir could be under the point-of-origin limitation. 10. Implication for protein AI/design: models trained primarily on natural sequences may be intrinsically biased toward the narrow region evolution happened to explore; the authors argue that systematic experimental exploration of “unnatural” sequence space (far from extant/ancestral sequences) may be necessary to discover truly novel functions and to train more globally valid models. 💻Code: github.com/oist/sequence-… 📜Paper: doi.org/10.1073/pnas.2… #ProteinEvolution #SequenceSpace #Epistasis #FitnessLandscapes #ComputationalBiology #ProteinDesign #MachineLearning #EvolutionaryBiology

昨日、本当に着任しました！ 大学院生はまだ受け入れられませんが、一応私の研究室ができます。遊びに来てください！

@n_kats_ ありがとうございます！ 頑張ります！

@tomoeit0524 おめでとうございます！頑張ってください！

明日からは、静岡大学工学部数理システム工学科に助教として赴任します。頑張ります💪

@mezasetoukeipro ありがとうございます！新天地でも頑張ります😁

@tomoeit0524 おめでとうございます🎉🎉更なるご活躍をお祈りしております✨

@OginoKohei0807 ありがとう！ 浜松来ることあったら声かけてくれ

@tomoeit0524 おおー！おめでとう！

@piyota0 そうだったんですね。とにかく、出張が楽そうでよかったです！笑

@tomoeit0524 実は2025年度支部総会は静大が会場で、3/18にお伺いしたばかりなのです（静岡キャンパス、農学部ですが・・・）

@piyota0 お祝いのお言葉ありがとうございます。 生物物理中部支部会、楽しそうですね！ぜひとも参加したいと思います。

@tomoeit0524 おめでとうございます、益々のご発展をお祈り申し上げます。 生物物理学会中部支部会もぜひごひいきくださいませ・・・（なお2026年度総会は名大で開催予定とのこと）