乾幸地 (Koji Inui, Ph.D)

メールアドレス

koji-inui@g.ecc.u-tokyo.ac.jp (大学)
koji.inui.ds@gmail.com (個人)

経歴

東京大学大学院工学系研究科物理工学専攻求研究室

→リクルートホールディングス株式会社（機械学習エンジニア・データサイエンティスト）

→フリーランス

→株式会社ベルフェイス（データ分析チームマネージャー）

→東京大学大学院工学系研究科物理工学専攻求研究室

→理化学研究所量子コンピュータ研究センター量子計算理論研究チーム

兼 Beyond AI 研究推進機構

→東京大学大学院工学系研究科原子力国際専攻特任助教

→東京大学物性研究所特任准教授

兼株式会社カルマリオン

プレプリント

K. Inui, and Y. Motome, Inverse Hamiltonian design of highly-entangled quantum systems, arXiv:2402.15802.

出版論文

K. Inui, and Y. Motome, Inverse Hamiltonian design by automatic differentiation, Communications Physics 6, 37 (2023).
K. Inui, Y. Kato, and Y. Motome, Determinant-free fermionic wave function using feed-forward neural networks, Physical Review Research 3, 043126 (2021).
K. Inui, and Y. Motome, Channel-selective non-Fermi liquid behavior in the two-channel Kondo lattice model under a magnetic field, Physical Review B 102, 155126 (2020).

国際会議における口頭発表

K. Inui, Y. Motome, APS March meeting 2023, Las Vegas, US (2023.03). “Inverse Hamiltonian design by automatic differentiation”
K. Inui, Y. Kato, Y. Motome, APS March meeting 2022, online, US (2022.03). “Determinant-free fermionic wave function using feed-forward neural networks”
K. Inui, Y. Kato, Y. Motome, International Conference on Quantum Liquid Crystals 2021 (QLC2021). “Determinant-free fermionic wave function using a feed-forward neural network”

国際会議におけるポスター発表

K. Inui and Y. Motome, 29th International Conference on LOW TEMPERATURE PHYSICS, Sapporo, Japan (2022.08). “Inverse Hamiltonian design by automatic differentiation”
K. Inui and Y. Motome, International Conference on Strongly Correlated Electron Systems, Amsterdam, The Netherlands (2022.07). “Inverse Hamiltonian design by automatic differentiation”

国内会議における口頭発表

乾幸地、求幸年、計算物質科学の新展開、ハイブリッド (2022.5) 「自動微分を用いたハミルトニアンの自動設計」
乾幸地、求幸年、日本物理学会第75回年次大会(2022年)、オンライン (2022.3)。「機械学習を応用したトポロジカルな性質を持つハミルトニアンの自動設計」
乾幸地、加藤康之、求幸年、日本物理学会2021年秋季大会、オンライン (2021.9)。「行列式を組み合わせた畳み込み型ニューラルネットワークによるフェルミオン多体系波動関数近似」
乾幸地、加藤康之、求幸年、日本物理学会2021年秋季大会、オンライン (2021.9)。「行列式を用いないフィードフォワード型ニューラルネットワークによるフェルミオン多体波動関数近似」
乾幸地、加藤康之、求幸年、日本物理学会第74回年次大会(2021年)、オンライン (2021.3)。フィードフォワード型ニューラルネットを用いたフェルミオン多体波動関数近似」
乾幸地、求幸年、日本物理学会2020年秋季大会、オンライン (2020.9)。「磁場中の2チャンネル近藤格子模型に現れるチャンネル選択型非フェルミ液体と重い電子挙動」
乾幸地、吉竹純基、求幸年、日本物理学会第73回年次大会(2020年)、中止 (2020.3)。「2チャンネル近藤講師模型の磁気相図と比熱：クラスター動的平均場法による研究」

その他の講演

乾幸地、NVIDIA 秋のHPC Weeks: Week 3 - GPU Applications 特別企画「ニューラルネットワークを用いた量子多体フェルミオン系の波動関数近似」
K. Inui, Summer School: Machine Learning in Quantum Physics and Chemistry, Warsaw, Poland (2021.8). “Approximate fermion many-body wave function by a feed-forward neural network” (Second prize poster award)

報道等

日刊工業新聞 (2023年4月27日付), “研究DXの隘路をいく＃05/情報技術が材料開発のデータ制約を解く” 記事
現代化学　2023年5月号, “FLASH/望む物性を持つ物質を自動設計” 詳細
日経クロステック（2023年3月23日付） “東京大学が物質の自動設計手法、任意の物性を自在に” 記事
日刊工業新聞 (2023年3月8日付), “経営ひと言／東京大学・求幸年教授「データ不要」” 記事
日刊工業新聞 (2023年3月2日付), “数理モデルから欲しい結果逆算　東大・理研が新手法、自動微分で変数最適化” 記事
日本経済新聞 (2023年3月1日付), “東大と理研、狙った物性を示す物質を自動設計する理論手法を開発” 記事
東京大学大学院工学系研究科プレスリリース, “狙った物性を示す物質を自動設計する理論手法を開発 ―ホールセンサーや太陽光発電の性能向上に応用―” 詳細

特許関連

発明者: 乾幸地、小林昭宏、特許権者: ベルフェイス株式会社、特許6807586 「情報処理装置、情報処理方法及びプログラム」
発明者: 乾幸地、出願人: ベルフェイス株式会社、特開2021-117444 「音声分析装置、音声分析方法、オンラインコミュニケーションシステム、およびコンピュータプログラム」
発明者: 中島一明、乾幸地、出願人: ベルフェイス株式会社、特開2022-071874 「情報処理システム、情報処理方法及びプログラム」
発明者: 乾幸地、出願人: 乾幸地、特願2022-030366 「情報処理装置、情報処理方法、およびプログラム」 (発表論文arXiv:2203.07157 に関連)

その他

Github: https://github.com/koji-inui

乾 幸地 (Koji Inui, Ph.D)

経歴