Hello World!

2024

• 医療健康データ科学Webセミナーの機械学習コースにおいて「深層学習の基礎」について講演します．
• メルボルン大学を訪問します🇦🇺．
• IBIS 2024に参加します．
• に参加します．
• ERCIM/JST Joint Workshop 2024に参加します🇭🇺．
• University of Trentoにおいて招待講演 “Gradient-based hyperparameter optimization for deep learning” を行います．
• IIT，University of Trento，およびFondazione Bruno Kesslerを訪問します🇮🇹．
• ECCVに参加します🇮🇹．
• CENTAI🇮🇹を訪問します．
• ICMLに参加します🇦🇹．
• Aix-Marseiile大学🇫🇷を訪問し，Workshop on mathematical foundations of machine learningにおいて発表します．
• A*STAR-CFAR🇸🇬に滞在し，A*STAR-CFAR_RIKEN-AIP Workshop に参加します．
• Zapping seminar において招待講演 “Automatic Domain Adaptation by Transformers in In-Context Learning” を行います．
• RIKEN-IIT Joint Workshop in ML/AIに参加します．
• 京都大学・包さんとの共著論文 “Self-attention Networks Localize When QK-eigenspectrum Concentrates” がICMLに採択されました．
• ECCV 2024において，ワークショップ “The Dark Side of Generative AIs and Beyond” を開催します．
• 研究課題が東京大学情報基盤センター　若手・女性利用者推薦に採択されました．
• 研究課題がJST ACT-X数理情報のフロンティア領域の加速フェーズに採択されました．
• Workshop on Functional Inference and Machine Intelligenceに参加します．
• DL 2024に参加します．
• Machine Learning Summer School Okinawaにプログラム委員として参加します．
• 第53回IBISML研究会において招待講演「勾配法を用いたハイパーパラメータ最適化」を行います．
• 統数研共同研究集会 兼 第4回TREFOIL研究会で招待講演「深層学習とデータ拡張」を行います．

2023

• 国立がん研究センター・小林さんとの共著論文 “Sketch-based Semantic Retrieval of Medical Images” がMedical Image Analysis誌に採択されました．プレスリリース．
• スイスのジュネーブで開催されるQTML 2023において"Non-commutative $C^\ast$-algebra Net"を発表します．
• モントリオール大/MILA・長沼さんとの共著論文 “An Empirical Investigation of Pre-trained Model Selection for Out-of-Distribution Generalization and Calibration” がICCV 2023 Workshop on Uncertainty Quantification for Computer Visionに採択されました．
• 9月末にポーランドのニコラウス･コペルニクス大学を訪問します．
• 主著論文 “Will Large-scale Generative Models Corrupt Future Datasets?” がICCV 2023に採択されました．京大・包さん，理研・荒井さんとの共著です．
• 国立がん研究センター・小林さんとの共著論文 “Towards AI-driven radiology education: A self-supervised segmentation-based framework for high-precision medical image editing” がMICCAI2023にオーラルとして採択されました．
• 6月にモントリオールのMILAを訪問します．バンクーバーで開催されるCVPRに参加します．
• 東京大学素粒子物理国際研究センターで招待講演を行います．
• 5月にジェノバのIITを訪問します．
• AISTATSに参加します．
• 4月にVietnam Institute for Advanced Study in Mathematicsを訪問します．
• 3月にEPFL CIS・Fraunhofer IISを訪問します．
• 第4回理研AIP数学系合同セミナーに参加しました．
• 主著論文 “Nyström Method for Accurate and Scalable Implicit Differentiation” がAISTATS 2023に採択されました．京大・山田先生との共著です．

2022

• 理化学研究所の特別研究員となりました．
• 東京大学大学院情報理工学系研究科を修了し、博士（情報理工学）を授与されました．
• 7月8日からIIT(イタリア)を訪問します．
• 主著論文 “DJMix: Unsupervised Task-agnostic Image Augmentation for Improving Robustness of Convolutional Neural Networks " がIJCNN 2022に採択されました．
• 3月10日にザッピングセミナーにおいて発表を行います．

2021

• 12月2日に愛媛大学DS研究セミナーにおいて 深層学習とデータ拡張 を発表します．
• 10月1日からIIT（イタリア）を訪問しています.
• 主著論文 “Meta Approach to Data Augmentation Optimization"がWACV2022に採択されました．
• 研究提案がJSTのACT-Xに採択されました．
• JSPSの若手研究者海外挑戦プログラムにより10月からイタリアのIITにて訪問研究を行います．
• 画像の認識・理解シンポジウム（MIRU）で「iMADAO: 画像事例に応じたデータ拡張戦略の設計手法」を発表しました．
• NeurIPS meetupsの募集を開始しました．
• 東京大学RIISEの取材記事が公開されました
• 6月10日にSSIIのオーガナイズ土セッション「続・限られたデータからの深層学習」で「深層学習におけるデータ拡張の原理と最新動向」を発表します
• 5月12日に理研AIPのセミナーにおいてデータ拡張についての発表を行います（発表は英語です）．
• 主著論文 “Graph Energy-based Model for Molecular Graph Generation”がEBM Workshopにcontributed talkとして採択されました
• NeurIPS 2021のMeetup Chairとなりました

プレプリント

• Ryuichiro Hataya, Kota Matsui, Masaaki Imaizumi, “Automatic Domain Adaptation by Transformers in In-Context Learning,” 2024. arXiv
• Yuka Hashimoto${}^\star$, Ryuichiro Hataya${}^\star$, “Quantum Circuit $C^\ast$-algebra Net,” 2024. arXiv
• Ryuichiro Hataya, Yoshinobu Kawahara, “Glocal Hypergradient Estimation with Koopman Operator,” 2024. arXiv
• Hiroki Naganuma${}^\star$, Ryuichiro Hataya${}^\star$, Ioannis Mitliagkas, “An Empirical Investigation of Pre-trained Model Selection for Out-of-Distribution Generalization and Calibration,” 2023. arXiv
• Leonardo Placidi, Ryuichiro Hataya, Toshio Mori, Koki Aoyama, Hayata Morisaki, Kosuke Mitarai, and Keisuke Fujii, “MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning on/for Quantum Computers in the NISQ era,” 2023. arXiv
• Ryuichiro Hataya${}^\star$, and Yuka Hashimoto${}^\star$, “Noncommutative $C^\ast$-algebra Net: Learning Neural Networks with Powerful Product Structure in $C^\ast$-algebra,” 2023. arXiv
• Ryuichiro Hataya, Hideki Nakayama, and Kazuki Yoshizoe, “Graph Energy-based Model for Substructure Preserving Molecular Design.” 2021. arxiv

(${}^\star$ indicates equal contribution)

そのほか

• Ryuichiro Hataya, Kota Matsui, Masaaki Imaizumi, “Automatic Domain Adaptation by Transformers in In-Context Learning, " ICML Workshop on In-Context Learning, 2024. (Peer Reviewed Short Paper)
• Ryuichiro Hataya, Masaaki Imaizumi, “Transformers as Stochastic Optimizers,” ICML Workshop on In-Context Learning, 2024. (Peer Reviewed Short Paper)
• Ryuichiro Hataya, Yuka Hashimoto, “Noncommutative $C^\ast$-algebra Nets,” International Conference on Quantum Techinques in Machine Learning, 2023. (Peer Reviewed Etended Abstract)
• Hiroki Naganuma, Ryuichiro Hataya, “An Empirical Investigation of Pre-trained Model Selection for Out-of-Distribution Generalization and Calibration,” ICCV 2023 Workshop on Uncertainty Quantification for Computer Vision, 2023. (Peer Reviewed Etended Abstract arXiv)
• Ryuichiro Hataya, Hideki Nakayama, and Kazuki Yoshizoe, “Graph Energy-based Model for Molecular Graph Generation.” EBM Workshop at ICLR 2021, 2021. (Peer Reviewed, Contributed Talk)
• Kazuma Kobayashi, Ryuichiro Hataya, Yusuke Kurose, Tatsuya Harada, and Ryuji Hamamoto, “Decomposing Normal and Abnormal Features of Medical Images for Content-based Image Retrieval.” Machine Learning for Health Workshop at NeurIPS 2020. (Peer Reviewed, Extended Abstract)
• Ryuichiro Hataya, Kumiko Matsui, and Tomoki Karasawa, “Learning to Identify Large Fossils using Deep Convolutional Neural Networks”, Geological Society of America Abstracts with Programs. Vol 52, No. 6, 2020.
• Ryuichiro Hataya, and Hideki Nakayama, “Unifying semi-supervised and robust leaning by mixup.” Workshop on Learning from Limited Labeled Data at ICLR 2019, 2019. (Peer Reviewed, Spotlight)

• 「深層学習の基礎」，医療健康データ科学Webセミナー，2024年12月 スライド
• “Gradient-based Hyperparameter Optimization for Deep Learning”, トレント大学, 2024年10月
• “Will Large-scale Generative Models Corrupt Future Datasets?"，FIT2024，2024年9月
• “Automatic Domain Adaptation by Transformers in In-Context Learning,” Workshop on Mathematical foundations of machine learning, 2024年7月
• “Automatic Domain Adaptation by Transformers in In-Context Learning,” A*STAR-CFAR_RIKEN-AIP Workshop, 2024年6月 スライド
• “Automatic Domain Adaptation by Transformers in In-Context Learning,” ザッピングセミナー, 2024年6月 スライド
• 「勾配法によるハイパーパラメータ最適化」，第53回IBISML研究会，2024年3月 スライド．
• 「深層学習とデータ拡張」，統数研共同研究集会 兼 第4回TREFOIL研究会，2024年2月．
• “行列式点過程の機械学習への応用,” ICEPPセミナー, 2023年6月．
• “Towards accurate and scalable gradient-based hyperparameter optimization,” Istituto Italiano di Tecnologia, 2023年5月．
• “Noncommutative $C^\star$-algebra Nets,” Japan-Vietnam AI Forum, 2023年4月.
• 「ベイズモデル選択による弱教師あり深層学習アルゴリズムのハイパーパラメータ最適化」, ザッピングセミナー, 2022.
• 「深層学習とデータ拡張」, 愛媛大学DS研究セミナー，2021.
• 「深層学習におけるデータ拡張の原理と最新動向」, Symposium on Sensing via Image Information, 2021.
• 「深層学習を支えるデータ拡張」, StatsML Symposium, 2020.
• 「勾配降下法によるハイパーパラメータ最適化とデータ拡張戦略最適化への応用」, ザッピングセミナー , 2020.

講演

• 「生成モデルによるデータセット汚染」, 人工知能学会, 静岡, 2024年5月.
• 「生成モデルによるデータセット汚染」, 数理情報研究集会, 秋田, 2023年10月.
• “Stable Gradient-based Hyperparameter Optimization,” RIKEN AIP & NCU Workshops 2023, September 2023.