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。

Artificial intelligence (AI) systems, including large language models (LLMs) capable of processing diverse modalities such as images and text, are increasingly deployed across high-stakes domains such as medical diagnostics and clinical decision support. However, these systems are known to be susceptible to adversarial attacks and unsafe behaviors that can lead to critical failures, ranging from misclassifications in medical image analysis to harmful outputs in AI-assisted healthcare interactions. Addressing these vulnerabilities is essential for the trustworthy deployment of AI in society. Our research focuses on developing and applying computational methods to evaluate the reliability and safety of AI systems and to enhance their robustness across diverse real-world scenarios.

画像やテキストなど多様なモダリティを処理できるLLMをはじめとするAIシステムは、医療診断や臨床意思決定支援など、社会的に重要な分野への応用が急速に進んでいます。しかし、これらのシステムには「脆弱性」という課題があります。例えば、医用画像認識における敵対的攻撃による誤分類や、医療AIとのインタラクションにおける有害な出力など、実運用における深刻なリスクが指摘されています。AIの信頼性の高い社会実装に向けては、このような脆弱性を体系的に評価し、システムの堅牢性と安全性を高めることが不可欠です。当研究室では、多様な実世界シナリオにおけるAIシステムの信頼性・安全性評価と堅牢化のための計算手法の開発と応用に取り組んでいます。