2024/04/04 更新

写真a

タケノ　シオン
竹野　思温
TAKENO Shion
所属
大学院工学研究科 機械システム工学専攻 機械知能学 助教
学部担当
工学部 機械・航空宇宙工学科
職名
助教

研究キーワード 4

  1. マテリアルズインフォマティクス

  2. ベイズ最適化

  3. バイオインフォマティクス

  4. ガウス過程バンディット

研究キーワードの先頭へ▲

経歴 7

  1. 名古屋大学   大学院工学研究科   助教

    2024年4月 - 現在

    　 詳細を見る

    国名：日本国

  2. 国立研究開発法人科学技術振興機構   ACT-X   研究員

    2023年10月 - 現在

    　 詳細を見る

    国名：日本国

  3. 名古屋大学   大学院工学研究科   招へい教員

    2023年4月 - 2024年3月

    　 詳細を見る

    国名：日本国

  4. 特定国立研究開発法人理化学研究所   データ駆動型生物医科学チーム   特別研究員

    2023年4月 - 2024年3月

    　 詳細を見る

    国名：日本国

  5. 株式会社サイバーエージェント   AI Lab   協働研究員

    2022年6月 - 2023年3月

    　 詳細を見る

    国名：日本国

  6. 独立行政法人日本学術振興会   特別研究員 (DC2)

    2021年4月 - 2023年3月

    　 詳細を見る

    国名：日本国

  7. 特定国立研究開発法人理化学研究所   データ駆動型生物医科学チーム   大学院生リサーチ・アソシエイト

    2020年4月 - 2021年3月

    　 詳細を見る

    国名：日本国

▼全件表示

経歴の先頭へ▲

学歴 2

  1. 名古屋工業大学   大学院工学研究科 博士後期課程   情報工学専攻

    2020年4月 - 2023年3月

    　 詳細を見る

    国名： 日本国

  2. 名古屋工業大学   大学院工学研究科 博士前期課程   情報工学専攻

    2018年4月 - 2020年3月

    　 詳細を見る

    国名： 日本国

学歴の先頭へ▲

受賞 5

  1. IBIS Workshop 優秀プレゼンテーション賞 ファイナリスト

    2023年11月  

  2. IBISML 研究会賞 ファイナリスト

    2023年10月  

  3. 名古屋工業大学基金学生研究奨励 学長表彰

    2023年3月   名古屋工業大学  

  4. IBISML研究会賞ファイナリスト (共著者)

    2022年10月  

  5. 名古屋工業大学基金学生研究奨励 副学長表彰

    2021年3月   名古屋工業大学  

受賞の先頭へ▲
 

論文 15

  1. Randomized Gaussian Process Upper Confidence Bound with Tighter Bayesian Regret Bounds 査読有り

    Shion Takeno, Yu Inatsu, Masayuki Karasuyama

    Proceedings of the 40th International Conference on Machine Learning (ICML)   202 巻   頁： 33490 - 33515   2023年

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

  2. Towards Practical Preferential Bayesian Optimization with Skew Gaussian Processes 査読有り

    Shion Takeno, Masahiro Nomura, Masayuki Karasuyama

    Proceedings of the 40th International Conference on Machine Learning (ICML)   202 巻   頁： 33516 - 33533   2023年

    　詳細を見る

    担当区分：筆頭著者,　責任著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

  3. Sequential and Parallel Constrained Max-value Entropy Search via Information Lower Bound. 査読有り

    Shion Takeno, Tomoyuki Tamura, Kazuki Shitara, Masayuki Karasuyama

    Proceedings of the 39th International Conference on Machine Learning (ICML)     頁： 20960 - 20986   2022年

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    その他リンク： https://dblp.uni-trier.de/rec/conf/icml/2022

  4. Multi-fidelity Bayesian Optimization with Max-value Entropy Search and its Parallelization. 査読有り

    Shion Takeno, Hitoshi Fukuoka, Yuhki Tsukada, Toshiyuki Koyama, Motoki Shiga, Ichiro Takeuchi, Masayuki Karasuyama

    Proceedings of the 37th International Conference on Machine Learning (ICML)     頁： 9334 - 9345   2020年

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：PMLR  

    その他リンク： https://dblp.uni-trier.de/rec/conf/icml/2020

  5. Bounding Box-based Multi-objective Bayesian Optimization of Risk Measures under Input Uncertainty 査読有り

    Yu Inatsu, Shion Takeno, Hiroyuki Hanada, Kazuki Iwata, Ichiro Takeuchi

    Proceedings of the 27th International Conference on Artificial Intelligence and Statistics (to appear)     2024年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

  6. Risk Seeking Bayesian Optimization under Uncertainty for Obtaining Extremum 査読有り

    Shogo Iwazaki, Tomohiko Tanabe, Mitsuru Irie, Shion Takeno, Yu Inatsu

    Proceedings of the 27th International Conference on Artificial Intelligence and Statistics (to appear)     2024年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

  7. Multi-objective Bayesian Optimization with Active Preference Learning 査読有り

    Ryota Ozaki, Kazuki Ishikawa, Youhei Kanzaki, Shinya Suzuki, Shion Takeno, Ichiro Takeuchi, Masayuki Karasuyama

    Proceedings of the 38th AAAI Conference on Artificial Intelligence (to appear)     2024年

    　詳細を見る

    記述言語：英語  

  8. Failure-Aware Gaussian Process Optimization with Regret Bounds 査読有り

    Shogo Iwazaki, Shion Takeno, Tomohiko Tanabe, Mitsuru Irie

    Advances in Neural Information Processing Systems 36 (NeurIPS 2023)     頁： 24388 - 24400   2023年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

  9. A Generalized Framework of Multifidelity Max-Value Entropy Search Through Joint Entropy. 査読有り

    Shion Takeno, Hitoshi Fukuoka, Yuhki Tsukada, Toshiyuki Koyama, Motoki Shiga, Ichiro Takeuchi, Masayuki Karasuyama

    Neural Computation   34 巻 ( 10 ) 頁： 2145 - 2203   2022年

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）  

    DOI： 10.1162/neco_a_01530

  10. Bayesian Optimization for Cascade-Type Multistage Processes. 査読有り

    Shunya Kusakawa, Shion Takeno, Yu Inatsu, Kentaro Kutsukake, Shogo Iwazaki, Takashi Nakano, Toru Ujihara, Masayuki Karasuyama, Ichiro Takeuchi

    Neural Computation   34 巻 ( 12 ) 頁： 2408 - 2431   2022年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    DOI： 10.1162/neco_a_01550

  11. Preferential Bayesian Optimization with Hallucination Believer 査読有り

    Shion Takeno, Masahiro Nomura, Masayuki Karasuyama

    NeurIPS Workshop on Gaussian Processes, Spatiotemporal Modeling, and Decision-making Systems     2022年

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語  

  12. Bayesian Optimization for Distributionally Robust Chance-constrained Problem. 査読有り

    Yu Inatsu, Shion Takeno, Masayuki Karasuyama, Ichiro Takeuchi

    Proceedings of the 39th International Conference on Machine Learning (ICML)     頁： 9602 - 9621   2022年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

    その他リンク： https://dblp.uni-trier.de/rec/conf/icml/2022

  13. Cost-effective search for lower-error region in material parameter space using multifidelity Gaussian process modeling 査読有り

    Shion Takeno, Yuhki Tsukada, Hitoshi Fukuoka, Toshiyuki Koyama, Motoki Shiga, Masayuki Karasuyama

    Physical Review Materials   4 巻 ( 8 )   2020年8月

    　詳細を見る

    担当区分：筆頭著者   記述言語：英語   掲載種別：研究論文（学術雑誌）  

    Information regarding precipitate shapes is critical for estimating material parameters. Hence, we considered estimating a region of material parameter space in which a computational model produces precipitates having shapes similar to those observed in the experimental images. This region, called the lower-error region (LER), reflects intrinsic information of the material contained in the precipitate shapes. However, the computational cost of LER estimation can be high because the accurate computation of the model is required many times to better explore parameters. To overcome this difficulty, we used a Gaussian-process-based multifidelity modeling, in which training data can be sampled from multiple computations with different accuracy levels (fidelity). Lower-fidelity samples may have lower accuracy, but the computational cost is lower than that for higher-fidelity samples. Our proposed sampling procedure iteratively determines the most cost-effective pair of a point and a fidelity level for enhancing the accuracy of LER estimation. We demonstrated the efficiency of our method through estimation of the interface energy and lattice mismatch between MgZn2 and α-Mg phases in an Mg-based alloy. The results showed that the sampling cost required to obtain accurate LER estimation could be drastically reduced.

    DOI： 10.1103/PhysRevMaterials.4.083802

    Scopus

  14. Multi-objective Bayesian Optimization using Pareto-frontier Entropy. 査読有り

    Shinya Suzuki, Shion Takeno, Tomoyuki Tamura, Kazuki Shitara, Masayuki Karasuyama

    Proceedings of the 37th International Conference on Machine Learning(ICML)     頁： 9279 - 9288   2020年

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：PMLR  

    その他リンク： https://dblp.uni-trier.de/rec/conf/icml/2020

  15. Estimation of material parameters based on precipitate shape: efficient identification of low-error region with Gaussian process modeling 査読有り

    Yuhki Tsukada, Shion Takeno, Masayuki Karasuyama, Hitoshi Fukuoka, Motoki Shiga, Toshiyuki Koyama

    Scientific Reports   9 巻 ( 1 )   2019年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    In this study, an efficient method for estimating material parameters based on the experimental data of precipitate shape is proposed. First, a computational model that predicts the energetically favorable shape of precipitate when a d-dimensional material parameter (x) is given is developed. Second, the discrepancy (y) between the precipitate shape obtained through the experiment and that predicted using the computational model is calculated. Third, the Gaussian process (GP) is used to model the relation between x and y. Finally, for identifying the “low-error region (LER)” in the material parameter space where y is less than a threshold, we introduce an adaptive sampling strategy, wherein the estimated GP model suggests the subsequent candidate x to be sampled/calculated. To evaluate the effectiveness of the proposed method, we apply it to the estimation of interface energy and lattice mismatch between MgZn2 (β1') and α-Mg phases in an Mg-based alloy. The result shows that the number of computational calculations of the precipitate shape required for the LER estimation is significantly decreased by using the proposed method.

    DOI： 10.1038/s41598-019-52138-0

    Scopus

    PubMed

▼全件表示

論文の先頭へ▲

書籍等出版物 2

  1. マテリアル・機械学習・ロボット（現代化学増刊48）

    竹野思温, 烏山昌幸, 竹内一郎（ 担当： 分担執筆 ,  範囲: 第Ⅲ部 材料科学のためのベイズ最適化 使いこなし, 9 精度・正確度と観測コストを考慮したマルチフィデリティ最適化）

    東京化学同人  2024年3月  （ ISBN:9784807913480 ）

  2. マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例

    執筆者:58名（ 範囲: 第4章 第5節 精度と観測コストのトレードオフを考慮したベイズ的探索法: 材料パラメータ推定での適用事例）

    技術情報協会  2023年10月  （ ISBN:4861048540 ）

    　詳細を見る

    総ページ数：500   記述言語：日本語

    CiNii Books

    ASIN

書籍等出版物の先頭へ▲

MISC 1

  1. ベイズ最適化の基礎と材料探索への応用

    竹内一郎, 竹野思温, VoNguyenLeDuy, 花田博幸, 橋本典明, 田地宏一  

    Materials stage (技術情報協会)   2023年6月

MISCの先頭へ▲

講演・口頭発表等 20

  1. 選好考慮型多目的ベイズ最適化によるユーザの好みを反映したハイパーパラメータ最適化

    尾崎令拓, 石川和樹, 神崎陽平, 竹野思温, 竹内一郎, 烏山昌幸

    情報論的学習理論と機械学習研究会(IBISML2022)  2022年12月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  2. 複数目的のレベル集合推定のための適応的意思決定アルゴリズムの提案

    岩崎 省吾, 竹野思温, 稲津佑, 松井孝太

    第37回人工知能学会全国大会  2023年6月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  3. 最適値の情報量に基づいたマルチフィデリティベイズ最適化

    竹野思温, 烏山昌幸

    第37回人工知能学会全国大会  2023年6月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  4. 情報量の下界に基づく逐次的及び並列的な制約付きベイズ最適化

    竹野思温, 田村友幸, 設楽一希, 烏山昌幸

    情報論的学習理論と機械学習研究会(IBISML2022)  2022年1月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  5. 情報量の下界に基づく制約付きベイズ最適化

    竹野思温, 田村友幸, 設楽一希, 烏山昌幸

    第24回情報論的学習理論ワークショップ (IBIS2021)  2021年11月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  6. 情報量に基づく複数タスクの同時ベイズ最適化

    山田倫太郎, 竹野思温, 烏山昌幸

    情報論的学習理論と機械学習研究会(IBISML2022)  2022年1月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  7. 専門家の知識を入れたものづくりのためのデータ同化（i）-手法の提案-

    沓掛健太朗, 竹野思温, 太田壮音, 烏山昌幸, 竹内一郎, 宇治原徹

    第83回応用物理学会秋季学術講演会  2022年9月 

  8. 専門家の知識を入れたものづくりのためのデータ同化（ii）-SiC溶液成長シミュレーションへの適用-

    太田壮音, 沓掛健太朗, 竹野思温, 烏山昌幸, 竹内一郎, 原田俊太, 田川美穂, 宇治原徹

    第83回応用物理学会秋季学術講演会  2022年9月 

  9. 多段階プロセスに対するベイズ最適化の中断可能設定への拡張

    草川隼也, 竹野思温, 沓掛健太朗, 竹内一郎

    第18回情報学ワークショップ (WINF2020)  2020年11月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  10. 分布的ロバストな機会制約付き最適化問題に対する能動学習

    稲津佑, 竹野思温, 烏山昌幸, 竹内一郎

    情報論的学習理論と機械学習研究会(IBISML2021)  2021年6月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  11. 出力空間の情報量を用いたベイズ最適化とその発展 招待有り

    竹野思温

    第5回 統計・機械学習若手シンポジウム (StatsML Symposium'20)  2020年12月 

    　詳細を見る

    会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

  12. 出力空間の情報量に基づくベイズ最適化の発展

    竹野思温

    理研AIP データ駆動型生物医科学チーム オンラインセミナー  2022年9月 

    　詳細を見る

    会議種別：公開講演，セミナー，チュートリアル，講習，講義等  

  13. 入力不確実性が存在する下での信用領域を用いたリスク尺度に対する多目的ベイズ最適化手法

    稲津佑, 花田博幸, 岩田和樹, 竹野思温, 竹内一郎

    情報論的学習理論と機械学習研究会(IBISML2023)  2023年10月30日 

  14. 入力データ分布に対する不確実性の下での分布ロバストな能動学習

    大藏芳斗, 稲津佑, 竹野思温, 花田博幸, 青山竜也, 田中智成, 赤羽智志, 小嶋信矢, 李翰柱, 竹内一郎

    情報論的学習理論と機械学習研究会(IBISML2023)  2023年10月30日 

  15. 事後分布からのサンプルに基づくベイズ最適化

    竹野思温, 稲津佑, 烏山昌幸, 竹内一郎

    情報論的学習理論と機械学習研究会(IBISML2023)  2023年10月30日 

    　詳細を見る

    会議種別：ポスター発表  

  16. 乱択GP-UCBアルゴリズムのリグレット解析

    竹野思温, 稲津佑, 烏山昌幸

    情報論的学習理論と機械学習研究会(IBISML2022)  2022年12月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  17. ガウス過程に対する乱択UCBアルゴリズム

    竹野思温, 稲津佑, 烏山昌幸

    統計関連学会連合大会  2023年9月5日 

    　詳細を見る

    記述言語：日本語   会議種別：口頭発表（一般）  

  18. カスケードタイプの多ステージプロセスに対するベイズ最適化

    草川隼也, 竹野思温, 稲津佑, 沓掛健太朗, 岩崎省吾, 中野高志, 烏山昌幸, 宇治原徹, 竹内一郎

    第24回情報論的学習理論ワークショップ (IBIS2021),  2021年11月 

    　詳細を見る

    会議種別：口頭発表（一般）  

  19. Pareto-frontier Entropyに基づく多目的ベイズ最適化

    鈴木進也, 竹野思温, 田村友幸, 設楽一希, 烏山昌幸

    第22回情報論的学習理論ワークショップ (IBIS2019)  2019年11月 

    　詳細を見る

    会議種別：ポスター発表  

  20. Max-value Entropy Searchに基づくMulti-fidelityベイズ最適化

    竹野思温, 福岡準史, 塚田祐貴, 小山敏幸, 志賀元紀, 竹内一郎, 烏山昌幸

    第22回情報論的学習理論ワークショップ (IBIS2019)  2019年11月 

    　詳細を見る

    会議種別：ポスター発表  

▼全件表示

講演・口頭発表等の先頭へ▲

科研費 3

  1. 実践的な人間参加型選好最適化法の構築とその理論保証

    研究課題/研究課題番号：JPMJAX23CD  2023年10月 - 2026年3月

    日本科学技術振興機構  ACT-X 次世代ＡＩを築く数理・情報科学の革新 

    竹野 思温

    　 詳細を見る

    担当区分：研究代表者 

  2. 乱択ベイズ最適化法の開発およびその理論保証と材料分野への応用

    研究課題/研究課題番号：23K19967  2023年8月 - 2025年3月

    日本学術振興会  科学研究費助成事業  研究活動スタート支援

    竹野 思温

    　 詳細を見る

    担当区分：研究代表者 

    配分額：2860000円 （ 直接経費：2200000円 、 間接経費：660000円 ）

  3. 出力空間情報量に基づくマルチフィデリティベイズ最適化とその材料分野への応用

    研究課題/研究課題番号：21J14673  2021年4月 - 2023年3月

    日本学術振興会  科学研究費助成事業 特別研究員奨励費  特別研究員奨励費

    竹野 思温

    　 詳細を見る

    担当区分：研究代表者 

    配分額：1500000円 （ 直接経費：1500000円 ）

    本年度は, 出力空間情報量に基づくマルチフィデリティベイズ最適化について拡張を行った. まず, 提案法に必要となる数値積分などの近似方法についてより効率的な計算法を確立した. これにより, 近似精度を高めつつさらに高速な情報量の評価が可能となった. さらに, より複雑な, 複数のデータの観測を同時に行える場合を考えた. 例えば, 計算材料科学などの分野では, 長い時間をかけてシミュレーションを行うことで物性値などを計算することがある. このような場合には, その途中で近似的な物性値も同時に観測することができる. 本拡張ではこのような複数のデータが同時に与えられることを考慮した指標を設計した. また, この指標の非常に効率的な導出法を示し, より効率的な最適化が行えることを示した. 本研究成果は国際雑誌へと投稿を行い, Major Revision の判定を受け修正中である.
    また, 実践上重要な制約付き最適化問題にも取り組み, 出力空間情報量に基づく制約付きベイズ最適化の研究も行った. 本研究では,制約付き最適化問題に対して既存法を単純に拡張したアプローチを適用すると理論・実践的問題が生じることを示した. この問題点に対し, 情報量の下界に基づくより頑健な近似方法を提案し, また並列観測が行える場合への拡張も行った. さらに, 得られた推定量に関する理論的な検討も行った. 既存の出力空間情報量に基づく単純な拡張を含むいくつかの手法と比較し, 高い性能を持つことを数値実験により示した. この研究成果は国際学会へと投稿を行っている.

科研費の先頭へ▲

産業財産権 1

  1. 推定装置、推定方法、およびプログラム

    沓掛健太朗, 竹野思温, 竹内一郎, 宇治原徹, 太田壮音, 烏山昌幸

    　詳細を見る

    出願番号：特願2022-134361  出願日：2022年8月

産業財産権の先頭へ▲
 

学術貢献活動 2

  1. Reviewer at The 26th International Conference on Artificial Intelligence and Statistics

    役割：査読

    　詳細を見る

    種別：学会・研究会等 

  2. Reviewer at Advances in Neural Information Processing Systems 36 (NeurIPS 2023, Top Reviewer)

    役割：査読

    　詳細を見る

    種別：学会・研究会等 

学術貢献活動の先頭へ▲