2024年10月より，東京科学大学にて助教をしています．
私の主な研究テーマはシンボリックAIおよびニューラルネットワークの融合です．
博士課程では，記号論理規則を出力する機械学習手法に取り組んでいました．得られた論理規則は，入力された時系列データの遷移を説明するものであり，観測対象の動的システムの予測や制御に利用できます．
現在は，シンボリックAIとニューラルネットワークの長所を融合する手法の開発に取り組んでいます．シンボリックAIはモデルが学習した内容をそのまま人間が理解できる一方で，ノイズに弱く実世界での応用が限られます．ニューラルネットワークはノイズに頑健で広く応用されますが，獲得した知識は人間には読み取りにくいという課題があります．両者の利点を兼ね備え，実世界で応用可能かつ人間に伝わる知的システムの実現を目指しています．その成果として，新しいデータセットに対して再学習なしで人間が読める論理規則を導出する基盤モデル「Neural Rule Inducer（NRI）」を提案し，IJCAI 2026に採択されました．
研究分野：ニューロシンボリックAI，基盤モデル，論理規則帰納，帰納論理プログラミング (ILP)，深層学習，説明可能AI (XAI)，時系列解析，頑健性
面白いプロジェクトまたは質問がある場合は，メールでご連絡ください．メールアドレスはphua [at] comp.isct.ac.jp
目標
現在のAIの中核を担うニューラルネットワークが獲得した知識は，それを利用する人間には読み解けないままです．私の長期的な目標は，この知識を読める・検証できる・修正できるものにすることです．医師や技術者，科学者がモデルの学習内容を確認し，異議を唱え，その上に知識を積み重ねられるAIを目指しています．そのために，背景知識と少量のデータから汎用的で解釈可能な知識を学習する基盤モデルの開発と，論理推論による信頼できる生成AIの実現に取り組んでいます．
業績
A Foundation Model for Zero-Shot Logical Rule Induction [arXiv]
Yin Jun Phua
35th International Joint Conference on Artificial Intelligence (IJCAI), 2026.
Variable Assignment Invariant Neural Networks for Learning Logic Programs
Yin Jun Phua, Katsumi Inoue
18th International Conference on Neural-Symbolic Learning and Reasoning (NeSy), 2024.
Class-Incremental Learning using Diffusion Model for Distillation and Replay [最優秀論文賞]
Quentin Jodelet, Xin Liu, Yin Jun Phua, Tsuyoshi Murata
1st Workshop on Visual Continual Learning, ICCV 2023.
resVAE ensemble: Unsupervised identification of gene sets in multi-modal single-cell sequencing data using deep ensembles
Foo Wei Ten, Dong Sheng Yuan, Nabil Jabareen, Yin Jun Phua, Richard Eils, Soeren Lukassen, Christian Conrad
Frontiers in Cell and Developmental Biology, 11, 2023.
Learning Logic Programs Using Neural Networks by Exploiting Symbolic Invariance
Yin Jun Phua, Katsumi Inoue
30th International Conference on Inductive Logic Programming (ILP), 2021.
Learning Logic Programs from Noisy State Transition Data [最優秀学生論文賞]
Yin Jun Phua, Katsumi Inoue
29th International Conference on Inductive Logic Programming (ILP), 2019.
競争的資金・共同研究
背景知識と少量のデータから汎用的で解釈可能な知識をデータ駆動で学習するAIの開発
代表 ￥ 4,680,000
科学研究費助成事業 若手研究
日本学術振興会
2025年4月 - 2028年3月
信頼されるAIに向けた制約推論
分担 ￥ 18,720,000
科学研究費助成事業 基盤研究(B)
日本学術振興会
2025年4月 - 2029年3月
状態分離型探索制御機構による信頼できる生成AI推論基盤の実現
代表 ￥ 1,120,000
公募型共同研究
国立情報学研究所
2026年7月 - 2027年3月
記号論理と深層機械学習の統合による新たな知識を発見するAIに関する研究
代表 ￥ 2,860,000
科学研究費助成事業 研究活動スタート支援
日本学術振興会
2022年8月 - 2024年3月
論理的推論が可能な「信頼できる生成AI」の実現
代表 ￥ 975,000
公募型共同研究
国立情報学研究所
2024年7月 - 2025年3月
知能や意識についての研究
代表 ￥ 950,000
新研究挑戦奨励金
基礎研究機構 東京工業大学
2023年9月 - 2025年3月
知識表現・推論と機械学習の統合によるロバストAIの実現
分担 ￥ 41,470,000
科学研究費助成事業 基盤研究(A)
日本学術振興会
2022年4月 - 2025年3月
記号論理機械学習と深層機械学習の融合による理解可能なモデルを構築する研究
特別研究員 ￥ 1,500,000
科学研究費助成事業 特別研究員奨励費
日本学術振興会
2021年4月 - 2022年3月
招待講演
学歴
複合科学研究科
情報学専攻
情報理工学院
情報工学コース
情報工学部
情報工学科
留学生日本語教育センター