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.その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,その論理規則を用いて観測対象の動的システムの予測や制御などが可能になります.
現在,私はシンボリックAIとニューラルネットワークの良いところどりする手法の開発に興味があります.シンボリックAIでは,モデルが学習したものがそのまま人間にも理解が可能である.ただノイズなどに影響されやすいので実世界での応用が限られています.一方,ニューラルネットワークはノイズに対して頑健であり実世界でもさまざまな応用があります.しかし,ニューラルネットワークが学習した知識は人間には伝わりません.両手法の長所を融合し,実世界で応用が可能且つ学習したものが人間にも伝わる手法を開発しようとしています.
研究分野:ディープラーニング,シンボリックルール抽出,時系列分析,説明可能なAI,ハイブリッドアプローチ,ニューラルネットワーク,ロバスト性
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] c.titech.ac.jp
私の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を融合する技術を開発し,両手法の強みを生かしより頑健且つフレキシブルな知的システムを構築することです.
Variable Assignment Invariant Neural Networks for Learning Logic Programs
Yin Jun Phua, Katsumi Inoue
18th International Conference on Neural-Symbolic Learning and Reasoning, 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, ICCV2023, 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
ILP, 203-218, 2021.
Learning Logic Programs from Noisy State Transition Data [最優秀学生論文賞]
Yin Jun Phua, Katsumi Inoue
Inductive Logic Programming - 29th International Conference(ILP), JSAI2019 72-80, 2019.
Learning Representation of Relational Dynamics with Delays and Refining with Prior Knowledge
Yin Jun Phua, Tony Ribeiro, Katsumi Inoue
IfCoLog Journal of Logics and their Applications(FLAP), 6(4) 695-708, 2019.
Learning Logic Program Representation for Delayed Systems With Limited Training Data
Yin Jun Phua, Tony Ribeiro, Sophie Tourret, Katsumi Inoue
Late Breaking Papers of the 27th International Conference on Inductive Logic Programming, 27-37, 2017.
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 ¥ 500,000
新研究挑戦奨励金
基礎研究機構 東京工業大学
2023年9月 - 2024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
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