Biological and social systems comprise complex networks where numerous diverse elements interact. Analyzing and interpreting these intricate systems from large-scale data necessitates a network-based approach. Our research focuses on developing network and data analysis methods and applying them to environmental and medical fields. Specifically, we investigate genomes, metabolism, brain function, ecosystems (encompassing microbes, plants, and animals), climate change, and environmental pollution. Through these studies, we aim to achieve a comprehensive understanding of biological systems. 

生物システムや社会システムは、多様な要素が相互作用する複雑なネットワークです。そのため、大規模データからこれらの複雑なシステムを総合的に分析・理解するには、ネットワークの視点が不可欠です。当研究室では、このような複雑なシステムを分析・理解するためのネットワーク・データ解析手法の開発と、それらの医療・環境分野への応用に取り組んでいます。特に、ゲノム、代謝、脳、生態系（微生物から植物・動物まで）、気候変動、環境汚染など幅広い分野の研究を展開し、生物システムの統合的な理解を目指しています。

Deep neural networks (DNNs) are widely employed for image classification, with significant applications in medical science, particularly in medical image-based diagnostics. However, DNNs are known to be susceptible to adversarial attacks, which can induce misclassifications. This vulnerability raises significant security concerns for the practical implementation of DNNs. Our research focuses on developing and applying computational methods to assess the vulnerability of DNNs and enhance their robustness and safety.

深層ニューラルネットワーク（DNN）は画像認識で広く活用され、社会的に注目を集めています。例えば、医療分野では、医用画像から疾患を診断するDNNの開発が進んでいます。しかし、DNNには「脆弱性」という課題があります。具体的には、人間には認識できない微細なパターンを入力画像に加えるだけで、DNNの判断を誤らせることが可能です。DNNの社会実装に向けては、このような脆弱性を評価し、システムの堅牢性を高めることが重要です。当研究室では、DNNの信頼性評価と安全性向上のための計算手法の開発と応用に取り組んでいます。