メンバー

氏名 所属 役割
渋谷 哲朗 東京大学 医科学研究所 グループ代表
小野寺拓 東京大学 医科学研究所 研究メンバー
李 東揆 東京大学 医科学研究所 研究メンバー
李 楊 東京大学 医科学研究所 リサーチアシスタント
定兼　邦彦 東京大学 大学院情報理工学系研究科 研究メンバー
伝住 周平 東京大学 大学院情報理工学系研究科 研究メンバー
李　太斗 東京大学 大学院情報理工学系研究科 リサーチアシスタント
竹田 正幸 九州大学 大学院システム情報科学研究院 研究メンバー
坂本 比呂志 九州工業大学 大学院情報工学研究院 研究メンバー
高畠 嘉将 九州工業大学 大学院情報工学研究院 リサーチアシスタント
坂本 時緒 九州工業大学 大学院情報工学研究院 リサーチアシスタント
谷川 眞一 京都大学 数理解析研究所 研究メンバー
中野　眞一 群馬大学 大学院理工学府 研究メンバー
矢田 勝俊 関西大学 商学部 研究メンバー
喜田 拓也 北海道大学 大学院情報科学研究科 研究メンバー
正木 拓也 北海道大学 大学院情報科学研究科 リサーチアシスタント


研究項目：ビッグデータを対象とする劣線形データ構造の基盤創出

近年の多くのビッグデータにおいて，ムーアの法則をはるかに凌駕する勢いでデータ量が増加しているが，このようなデータに対して解析等を行うことが今現在できていたとしても，それが線形時間アルゴリズムであったり，線形サイズのデータ構造を必要とするものであったりすると，早晩その解析が破綻することは明らかである．これに対し，劣線形時間あるいは劣線形スペースでデータを処理することが可能なデータ構造，すなわち劣線形データ構造の開発やそのためのパラダイムを構築することができれば，そのような破綻を回避できる可能性がある．そこで，本グループは，ビッグデータの検索や解析の効率化・高精度化のための新しい劣線形データ構造の開発を行う．
ビッグデータは，単純なランダムなデータの集積ではなく，通常は何らかの目的をもって集められたデータである．このことは，ビッグデータの情報量が実は見かけほど大きくはない可能性があることを意味する．そのような「実は」情報量の少ない「ビッグデータ」は，うまく効率的に処理できる劣線形データ構造を持つ可能性は高いと思われる．そこで本グループでは，以下にあげる３つの異なるアプローチを用いて劣線形データ構造研究を行い，現実のビッグデータ解析・検索へつなげていくことをめざす．