Biological and social systems are complex networks in which a large number of different elements interact with one another. A network perspective is required to analyze and interpret these complex systems from large-scale data. Our focus is on the development of network and data analysis methods and their applications in environmental and medical fields. In particular, we are conducting research on genomes, metabolism, the brain, ecosystems (ranging from microbes to plants and animals), climate change, and environmental pollution with the aim of gaining an integrated understanding of biological systems.

生物システムや社会システムは、異なる種類の多くの要素が相互作用する複雑なネットワークです。そのため、大量データからこれらの複雑なシステムをシームレスに分析・理解するためにはネットワークを考える必要があります。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手法の医療・環境分野への応用を行なっています。特に、ゲノム、代謝、脳、ヒト健康、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 used for image classification and have applications in medical science, such as medical image-based diagnosis. However, they are known to be vulnerable to adversarial attacks, which cause misclassifications by DNNs. This vulnerability poses a security concern for practical applications of DNNs. Our focus is on the development and application of computational methods for evaluating the vulnerability of DNNs and for improving their safety.

深層ニューラルネットワーク（DNN）は画像認識で幅広く使われており、社会的に注目されています。例えば、医療分野においては、医用画像から病気を診断するDNNの開発が進んでいます。しかしながら、DNNには「騙されやすい」という欠点があります。具体的に、人間には認識できないパタンを入力画像に加えるなどするだけで、DNNの判断を覆すことができます。DNNの社会応用のためには、このような「騙されやすさ」を評価し、「騙されにくく」することが重要です。当研究室では、そのような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を行っています。