ゲノムデータなどの高次元データに対し、「高次元統計解析」という、新しい統計学の理論と方法論を構築しています。高次元データでは、詳細な情報が得られる一方で、本当に必要な情報は不要な情報に埋もれています。必要な情報を取り出し、高精度に解析するための手法の提案などを目指して研究しています。例えば、遺伝子発現データから特定の病気であるかどうかを判別できる関数を作り、実際にその関数を使って高確率で判別ができることを、数学を使って精度保証します。

■ 出身大学：2012年 筑波大学 理工学群 数学類 卒業
■ 出身大学院：2017年 筑波大学 数理物質科学研究科 数学専攻 博士課程 修了

■ 取得学位：筑波大学 博士（理学） 課程
　　　　　　　　　　　　　
■ 研究職歴：2017-2021 東京理科大学理工学部情報科学科　助教
　　　　　　2021- 東京理科大学理工学部情報科学科　講師

■ 研究キーワード：高次元統計解析、統計科学

■ 研究分野：数学基礎・応用数学 (高次元統計解析)

ゲノムデータ等の高次元データは、データの次元数（例えば、遺伝子数）が、標本数（例えば、ある病気の患者数）よりも遥かに大きいという特徴を持ちます。従来の統計学である多変量解析は、このようなデータを扱うことができません。そこで、高次元データに対する新たな統計学が必要となります。本研究室では、「高次元統計解析」という、高次元データに対する新しい統計学の理論と方法論を構築しています。研究テーマは、高次元主成分分析、高次元平均ベクトルや高次元共分散行列に関する推測、高次元判別分析などです。理論や方法論を構築し、提案手法の精度を、数学を使って保証します。また、実際のゲノムデータへ用いて、提案手法が有用であることを示しています。