産業技術総合研究所 人工知能研究センター 機械学習研究チーム 主任研究員
同 マテリアルDX研究センター 材料物性相関解析研究チーム
東京大学 生産技術研究所 協力研究員
物理学、化学、生物学などの自然科学データに対する機械学習について、基礎的なモデル開発から材料や医薬品を対象とした応用展開まで幅広く研究しています。特に最近は、以下の研究テーマに取り組んでいます。
複雑なグラフ構造データに対する新たな深層学習モデルの研究開発
上記モデルの有機分子データへの適用、モデルとデータの大規模化、産総研ABCI3.0を用いた大量並列GPUによる高速学習
上記モデルを有機化学分野における大規模基盤モデルとした、多種多様な機能性材料や新規医薬品への転移学習
産総研人工知能研究センターでは、リサーチアシスタント・テクニカルスタッフ・ポスドクなどを受け入れています。まずは私個人（下記のEmail）に連絡いただく形でも構いません。
国際学会・国際学術誌への投稿・採択経験などはなくても大丈夫です。意欲があれば経験は問いません。プログラミングはできるけどドメイン（物理学・化学・生物学・材料・医薬品に関する）知識がない、という方も大歓迎です（私自身がそうでした）。
ぜひ一緒に研究しましょう！
Email: x@aist.go.jp, where x = tsubaki.masashi
EMNLP（自然言語処理）、AAAI（人工知能）、Bioinformatics（生物情報学）、NeurIPS（機械学習）、Physical Review Letters（物理学）など、様々な研究分野の国際学会・国際学術誌において主著で論文を発表。情報処理学会山下記念賞、人工知能学会論文賞、NIPS workshop best paper awardなど国内・海外での受賞多数。
Comparing subject-to-subject transfer learning methods in surface electromyogram-based motion recognition with shallow and deep classifiers [paper]
Takayuki Hoshino, Suguru Kanoga, Masashi Tsubaki, and Atsushi Aoyama
Neurocomputing, 2021
Quantum deep descriptor: physically informed transfer learning from small molecules to polymers [paper]
Masashi Tsubaki and Teruyasu Mizoguchi
Journal of Chemical Theory and Computation, 2021
Quantum deep field: data-driven wave function, electron density generation, and energy prediction and extrapolation with machine learning [paper] [code]
Masashi Tsubaki and Teruyasu Mizoguchi
Physical Review Letters, 2020
On the equivalence of molecular graph convolution and molecular wave function with poor basis set [paper] [code]
Masashi Tsubaki and Teruyasu Mizoguchi
Advances in Neural Information Processing Systems (NeurIPS 2020)
Analysis and usage: subject-to-subject linear domain adaptation in sEMG classification [paper]
Takayuki Hoshino, Suguru Kanoga, Masashi Tsubaki, and Atsushi Aoyama
42nd Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2020)
Learning excited states from ground states by using an artificial neural network [paper]
Shin Kiyohara, Masashi Tsubaki, and Teruyasu Mizoguchi
npj Computational Materials, 2020
Dual graph convolutional neural network for predicting chemical networks [paper]
Shonosuke Harada, Hirotaka Akita, Masashi Tsubaki, Yukino Baba, Ichigaku Takigawa, Yoshihiro Yamanishi, and Hisashi Kashima
BMC Bioinformatics, 2020
Uncovering prognosis-related genes and pathways by multi-omics analysis in lung cancer [paper]
Ken Asada, Kazuma Kobayashi, Samuel Joutard, Masashi Tsubaki, Satoshi Takahashi, Ken Takasawa, Masaaki Komatsu, Syuzo Kaneko, Jun Sese, and Ryuji Hamamoto
Biomolecules, 2020
Quantitative estimation of properties from core-loss spectrum via neural network [paper]
Shin Kiyohara, Masashi Tsubaki, Kunyen Liao, and Teruyasu Mizoguchi
Journal of Physics: Materials, 2019
Mean-field theory of graph neural networks in graph partitioning [paper]
Tatsuro Kawamoto, Masashi Tsubaki, and Tomoyuki Obuchi
Advances in Neural Information Processing Systems (NIPS 2018)
Fast and accurate molecular property prediction: learning atomic interactions and potentials with neural networks [paper] [code] [errata]
Masashi Tsubaki and Teruyasu Mizoguchi
The Journal of Physical Chemistry Letters, 2018
Compound–protein interaction prediction with end-to-end learning of neural networks for graphs and sequences [paper] [code1] [code2]
Masashi Tsubaki, K Tomii, J Sese
Bioinformatics, 2019
Protein fold recognition with representation learning and long short-term memory
Masashi Tsubaki, M Shimbo, Y Matsumoto
IPSJ Transactions on Bioinformatics, 2017
Non-linear similarity learning for compositionality
Masashi Tsubaki, K Duh, M Shimbo, Y Matsumoto
Association for the Advancement of Artificial Intelligence (AAAI 2016）
Modeling and learning semantic co-compositionality through prototype projections and neural networks
Masashi Tsubaki, K Duh, M Shimbo, Y Matsumoto
Conference on Empirical Methods in Natural Language Processing (EMNLP 2013)