Organization
School of Computing Assistant Professor
Title
Assistant Professor
Contact information
External link
USHIYAMA KANSEI
Degree
-
Doctor of Philosophy in the field of Mathematical Informatics ( 2026.3 The University of Tokyo )
Research Interests
-
Numerical Analysis
-
Continuous Optimization
Research Areas
-
Informatics / Mathematical informatics / Continuous Optimization
-
Natural Science / Applied mathematics and statistics / Numerical Analysis
Education
-
The University of Tokyo The Graduate School of Information Science and Technology Doctorial Program, Department of Mathematical Informatics
2023.4 - 2026.3
-
The University of Tokyo The Graduate School of Information Science and Technology Master Program, Department of Mathematical Informatics
2021.4 - 2023.3
-
The University of Tokyo The Faculty of Engineering Department of Mathematical Engineering and Information Physics
2017.4 - 2021.3
-
Nagano prefectural Nagano senior high school
2014.4 - 2017.3
Research History
-
Institute of Science Tokyo Department of Mathematical and Computing Science, School of Computing Assistant Professor
2026.3
Professional Memberships
-
The Operations Research Society of Japan
-
The Japan Society for Industrial and Applied Mathematics
Papers
-
Kansei Ushiyama, Shun Sato 0001, Takayasu Matsuo
Numerical Algorithms 96 ( 3 ) 1331 - 1362 2024.7
-
Analysis of continuous dynamical system models with Hessians derived from optimization methods.
Tomoya Kamijima, Shun Sato 0001, Kansei Ushiyama, Takayasu Matsuo, Ken'ichiro Tanaka
JSIAM Letters 16 29 - 32 2024
-
Yoichi Chikahara, Kansei Ushiyama
Uncertainty in Artificial Intelligence(UAI) 749 - 762 2024
-
Kansei Ushiyama, Shun Sato 0001, Takayasu Matsuo
Advances in Neural Information Processing Systems 36: Annual Conference on Neural Information Processing Systems 2023(NeurIPS) 2023
-
Deriving efficient optimization methods based on stable explicit numerical methods.
Kansei Ushiyama, Shun Sato 0001, Takayasu Matsuo
JSIAM Letters 14 29 - 32 2022
-
Essential convergence rate of ordinary differential equations appearing in optimization.
Kansei Ushiyama, Shun Sato 0001, Takayasu Matsuo
JSIAM Letters 14 119 - 122 2022
MISC
-
Essential Convergence Rates of Continuous-Time Models for Optimization Methods
Kansei Ushiyama, Shun Sato, Takayasu Matsuo
2025.12
-
A $\sqrt{2}$-accelerated FISTA for composite strongly convex problems
Kansei Ushiyama
2025.9
-
Analyses and Derivations of Continuous Optimization Methods via Continuous-Time Models
USHIYAMA Kansei, SATO Shun
Journal of The Society of Instrument and Control Engineers 64 ( 8 ) 547 - 553 2025.8
-
Kansei Ushiyama, Shun Sato, Takayasu Matsuo
2024.2
Awards
-
Dean’s award from Graduate School of Information Science and Technology, The University of Tokyo
2026.3
-
第28回情報論的学習理論ワークショップ(IBIS) 学生最優秀プレゼンテーション賞
2025.11
-
Student Excellent Presentation Award, The 2025 Spring National Conference of Operations Research Society of Japan
2025.3
-
Student Excellent Presentation Award, The 2024 Fall National Conference of Operations Research Society of Japan
2024.10
-
Excellent Student Presentation Award, The 26th Information-based Induction Sciences Workshop
2023.12
-
Best Paper Award in JSIAM Letters, Japan Society for Industrial and Applied Mathematics
2023.7
-
Dean’s award from Graduate School of Information Science and Technology, The University of Tokyo
2023.3
-
Best Presentation Award, Japan Society for Industrial and Applied Mathematics
2022.6
Research Projects
-
大規模最適化問題に対する実用的手法導出：連続時間モデルアプローチの広域的展開
Grant number：26KJ0372 2026.4
日本学術振興会 科学研究費助成事業 特別研究員奨励費（採択後，辞退）
牛山 寛生
Grant amount：\3640000 （ Direct Cost: \2800000 、 Indirect Cost：\840000 ）
-
最適化手法の連続力学系モデリングを切り口とする連続最適化・数値解析学融合の新展開
Grant number：24KJ0595 2024.4 - 2026.3
日本学術振興会 科学研究費助成事業 特別研究員奨励費
牛山 寛生
Grant amount：\1600000 （ Direct Cost: \1600000 ）
本年度は，3つの成果が得られた．
1つ目は，2つの関数の和の形で表される関数に対する手法である．このような問題は機械学習などにおいて頻繁に登場するため，高速に収束する手法が求められている．導出した手法は，この問題クラスに対して，現状最速の収束レートを更新した．さらに，既存手法と異なり，本手法の理論保証は2つの関数のうち1つが非凸関数の場合にも成立する．これは，近年非凸な正則化項の活用が盛んになっている状況を鑑みると有用な結果である．この手法は，私が以前提案した「弱離散勾配」（数値解析学における「離散勾配」の概念を拡張したもの）の応用によって導出された．
2つ目は，特定の条件を満たす非凸関数に対する手法である．この問題は難しいが，実応用上頻繁に出現する問題であるため，高速な解法が求められている．提案手法は現状最速タイの収束レートをもち，事前に関数の情報の入力を必要としない実用的なアルゴリズムである．既存手法はリスタートという機構により収束を保証しているが，これは実際上は収束を遅くする懸念がある．本手法は速度制御という異なる機構により収束を保証し，実験的に既存手法に比べ速く収束することを確認した．
3つ目は，微分方程式（ODE）の収束レートに関する研究である．本研究のアプローチでは，速いODEを離散化することで速い最適化手法の導出を試みる．しかし，そもそもODEは収束レートが見かけ上いくらでも変えられるため，速いODEという概念を定義できないという根本的な問題が存在した．これに対し，私は以前の研究で，数値解析学を援用により「本質的収束レート」を定義し解決策を提示したが，この本質的収束レートでは，区別されて欲しい収束レートが区別できないことがあり，依然としてODEが速いかを完全には判別できない状況にあった．今年度は，本質的収束レートの精緻化に成功し，この問題を解決した．