Yoshihiro Osakabe

Portfolio

• In Japanese:
  • 刑部好弘
  • 博士(工学)
  • 本務：株式会社日立製作所 研究開発グループ　主任研究員
  • 兼任：NPO法人 数理の翼　理事長
  • 兼任：東京大学大学院工学系研究科 化学生命工学専攻 酒井崇匡研究室 客員研究員
  • 兼任：一般社団法人 人工知能学会　理事
• In English:
  • Yoshihiro Osakabe
  • Ph.D. in Engineering
  • Chief Researcher at Research and Development Group, Hitachi, Ltd.
  • Board Member, The Japanese Society for Artificial Intelligence
  • Board Chairman, NPO Suuri no Tsubasa

Profile pages & SNS | 連絡先・SNS

• Contact:
  1. LinkedIn
  2. Email: yoshihiro.osakabe.fj [at] hitachi.com
  3. GitHub
• Japanese ONLY:
  1. Researchmap
  2. X - Twitter
  3. はてなブログ
  4. Qiita
• For Academia (English available):
  1. Google Scholar Profile Page
  2. ORCID
  3. ResearchGate
  4. publons

Fields of Expertise | 専門分野

• Artificial Intelligence
  • AI4Science / Scientific AI
  • Materials Informatics / Bioinformatics
    • Deep Generative Model for Automatic Chemical Design
    • Deep Generative Model for Protein Design (Protein Language Models)
    • AI for Laboratory Automation
  • GeoAI (AI for Geospatial Information)
• Quantum Computing
  • Quantum Neural Networks
  • Quantum Machine Learning & Quantum Deep Learning
  • Superconducting Qubit Architectures

Biography | 来歴

Yoshihiro Osakabe received the B.E., M.E. and Ph.D. degrees from Tohoku University, Sendai, Japan, in 2013, 2015, and 2018, respectively. From April 2018, he is a Senior Researcher at Hitachi, Ltd. Research and Development Group, Tokyo, Japan, where he works on artificial intelligence and knowledge discovery, especially for materials informatics and geospatial informatics. His current research interests also include the emergence of intelligence and non-von Neumann computing.

• 2018年4月　(株)日立製作所 研究開発グループ 入社
  • 2025年(令和7年) 4月 主任研究員 / Chief Researcher（先端AIイノベーションセンタ・社会インテリジェンス研究部）
  • 2024年(令和6年) 4月 主任研究員 / Chief Researcher（先端AIイノベーションセンタ・データサイエンスラボラトリ）
  • 2022年(令和4年) 4月 研究員 / Senior Researcher（先端AIイノベーションセンタ・データサイエンスラボラトリ）
  • 2020年(令和2年) 4月 研究員 / Researcher（先端AIイノベーションセンタ・知能情報研究部）
  • 2019年(令和1年) 4月 研究員 / Researcher（人工知能イノベーションセンタ・知能情報研究部）
  • 2018年(平成30年) 4月 総合職企画員 / Associate Researcher（デジタルテクノロジーイノベーションセンタ・知能情報研究部）

Education | 学歴

• 2018年(平成30年) 3月　東北大学大学院 工学研究科 電子工学専攻 博士課程修了
• 2015年(平成27年) 3月　東北大学大学院 工学研究科 電子工学専攻 修士課程修了
• 2013年(平成25年) 3月　東北大学 工学部 情報知能システム総合学科　コンピュータサイエンスコース　卒業
• 2009年(平成21年) 3月　東京学芸大学附属高校 卒業

Other Positions | 社外での委員・役員等

• June, 2025 - Now: 人工知能学会 理事 (Board Member, JSAI)
• Nov, 2023 - Now: NPO法人 数理の翼 理事長
  • Nov, 2017 - Oct, 2023: NPO法人 数理の翼　理事
• May, 2023 - Now: 電子情報通信学会 和文D編集委員会　編集委員（Associate Editor, IEICE）

Publications

Awards | 受賞歴

1. Won 1st prize, MAST Plasma Equilibrium challenge - ITER International School Data Science Challenge 2024:
   • Official Report | On magnetic fusion diagnostics and data science (iter.org)
2. The Best Paper Prize, IEEE Sendai Section Student Awards 2015:
   • Y. Osakabe, S. Sato, T. Onomi, H. Akima, M. Sakuraba, “Superconductivity Coherence in Series Array of Nb/AlOx/Nb Josephson Junctions”, November 2015.

Invited Talks / Seminars / Webinars | 招待講演・セミナー

• 刑部好弘, “科学研究を加速する機械学習・深層学習技術,” 第56回技術士CPD講座 - AIデータサイエンス/医療統計学, May 17th, 2025. 【LINK1】 | 【LINK2】
• 刑部好弘, “分子構造生成モデル：統計的言語普遍と外挿領域からの生成,” 統計数学☓情報☓物質セミナー①〜数学とマテリアルズDX〜｜2024a011, Jan 27th, 2025. 【Website】 | 【YouTube】
• 刑部好弘, “サイエンスと人工知能,” 東北大学大学院卓越リーダーセミナー I, July 4th, 2023.
• 刑部好弘, “マテリアルズ・インフォマティクス - 生成系AIによる実験候補材料探索の効率化,” Laboratory Automation勉強会, May 20th, 2023. 【LINK】
• 刑部好弘, “現実世界の課題解決に挑む、日立の研究開発,” 東北大学研究開発実践論, October 31st, 2022.
• 刑部好弘, and 淺原彰規, “MF-JSON に関連した日立のケーススタディと周辺技術のご紹介,” NICT スマートIoT推進フォーラム 技術戦略検討部会 テストベッド分科会 － 第11回データ分析・可視化タスクフォース, July 12th, 2022.
  • The overview of the task force meeting is here (https://testbed.nict.go.jp/bunkakai/da-v.html).
  • The presentation material is available online; PDF.
• 刑部好弘, “マテリアルズ・インフォマティクス - 材料探索とAI,” 人工知能学会全国大会(第36回) 株式会社日立製作所 ランチョンセミナー, June 15th, 2022. 【LINK】
• 刑部好弘, “科学者のためのAI,” 東北大学大学院卓越リーダーセミナー I, April 26th, 2022.
• 刑部好弘, and 淺原彰規, “ 高度な動線分析の実現に向けて - 分析事例紹介と分析区画動的決定法の検討,” 第28回地理情報システム学会研究発表大会, 2019.
• Y. Osakabe, “Introduction to GeoAI,” Special Summer Seminar at The University of Information Technology (Myanmar), June 18th, 2019.
• Y. Osakabe, “Neuro-inspired Iterative Learning Rules for Quantum Neural Networks,” The International Conference on Soft Computing and Machine Learning (SCML), 2019.
• Y. Osakabe, “Hebbian and anti-Hebbian Learning of Qubit Networks for Quantum Associative Memory,” The Collaborative Conference on Quantum Machine Learning (CCQML), OAHOST, May 2018.

Thesis and Dissertation | 学位論文

• Thesis (修士学位論文): Yoshihiro Osakabe, “ジョセフソン接合列の巨視的量子トンネリング特性とその多接合効果に関する研究 (Multi-Junction Effect on Macroscopic Quantum Tunneling in Josephson Junctions in Series),” Tohoku University (JAPAN), 2015-03-25.
• Dissertation (博士学位論文): Yoshihiro Osakabe, “脳型計算を模倣した断熱的量子計算アルゴリズムとそのハードウェア構成に関する研究 (Neuro-inspired Quantum Algorithms via Adiabatic Hamiltonian Evolution and its Hardware Design),” Tohoku University (JAPAN), 2018-03-27. 【LINK】
  • Departmental Bulletin Paper | 紀要論文: Yoshihiro Osakabe, “脳型計算を模倣した断熱的量子計算アルゴリズムとそのハードウェア構成に関する研究 (Neuro-inspired Quantum Algorithms via Adiabatic Hamiltonian Evolution and its Hardware Design),” 東北大学電通談話会記録, No. 87, Vol. 1, pp. 30--33, 東北大学電気通信研究所 (Research Institute of Electrical Communication, Tohoku University, JAPAN), 2018-09-25. 【LINK】

Academic Articles & Proceedings | 学術論文誌ならびにプロシーディングス

• IEICE 2026, Oral: 刑部好弘, 酒井崇匡(東大), and 淺原彰規, “構造の不確実性を考慮するグラフニューラルネットワークの提案とタンパク質の構造秩序性分類タスクによる評価,” 電子情報通信学会総合大会 2026, D-19-11, 2026.
• IIBMP 2025, Poster, Reviewed: 田中優次, 高瀬諒一, 刑部好弘, 井島大弥, 淺原彰規, 久田昇二, and 吉田啓, “マスク言語モデルを用いた強化学習法の開発とCAR-T細胞療法への応用 (Reinforcement Learning with Masked Language Model for CAR-T Cell Therapy Application),” 日本バイオインフォマティクス学会年会 (IIBMP) 2025, PO-001, 2025. 【LINK】
• IIBMP 2025, Poster, Reviewed: 井島大弥, 刑部好弘, 高瀬諒一, 小山光, 淺原彰規, “配列-機能関係を学習したVariational Autoencoderによる高機能変異タンパク質アミノ酸配列の生成 (Generation of Mutant Amino Acid Sequences for Highly Functional Proteins with a Variational Autoencoder Trained on Sequence-Function Relationships),” 日本バイオインフォマティクス学会年会 (IIBMP) 2025, PO-007, 2025. 【LINK】
• JSAI 2025, Poster, Reviewed: 刑部 好弘, 豊泉 喜一郎, 淺原 彰規, 森長 大貴, and 八幡 晃一郎, “量子回路ボルンマシンによるサンプリングを活用した確率的シミュレーションの可能性,” 第39回 人工知能学会全国大会論文集 (The 39th Annual Conference of the Japanese Society for Artificial Intelligence), 3Win5-71, 2025. 【LINK】
• IIS 2024, Poster, Reviewed: Yoshihiro Osakabe, Akinori Asahara, and Hidekazu Morita, “Exploring Fusion Energy Applications of Database Technology: Large Spatio-temporal Data Management for Rapid Analytics of Scientific Simulations,” the 13th ITER International School, P-119, 2024.
• IIS 2024, Poster, Reviewed: Yoshihiro Osakabe, Koichiro Yawata, Akinori Asahara, Kiichiro Toyoizumi, and Takuya Okuyama, “Exploring Fusion Energy Applications of Materials Informatics: QUBO-Enhanced Regression Trees for Rapid Screening of Candidate Materials,” the 13th ITER International School, P-120, 2024.
• JSAI 2024, Poster, Reviewed: Ryoichi Takase, Hiroya Ijima, Yoshihiro Osakabe, Akinori Asahara, and Hikaru Koyama, “タンパク質言語モデルの強化学習における報酬関数の評価 (Evaluation of Reward Functions in Reinforcement Learning of Protein Language Models),” 第38回 人工知能学会全国大会論文集 (The 38th Annual Conference of the Japanese Society for Artificial Intelligence), 3Xin2-93, 2024. 【LINK】
• JSAI 2024, Poster, Reviewed: Hiroya Ijima, Yoshihiro Osakabe, Ryoichi Takase, Hikaru Koyama, and Akinori Asahara, “Variational Autoencoderを用いた変異タンパク質アミノ酸配列の生成 (Generation of Mutant Protein Amino Acid Sequence with Variational Autoencoder),” 第38回 人工知能学会全国大会論文集 (The 38th Annual Conference of the Japanese Society for Artificial Intelligence), 4Xin2-76, 2024. 【LINK】
• arXiv:2303.09772: Koichiro Yawata, Yoshihiro Osakabe, Takuya Okuyama, and Akinori Asahara, “QUBO Decision Tree: Annealing Machine Extends Decision Tree Splitting,” arXiv:2303.09772, 17th Mar, 2023. 【LINK】
• arXiv:2303.10179: Koichiro Yawata, Yoshihiro Osakabe, Takuya Okuyama, and Akinori Asahara, “QUBO-inspired Molecular Fingerprint for Chemical Property Prediction,” arXiv:2303.10179, 17th Mar, 2023. 【LINK】
• arXiv:2302.02555 : Yoshihiro Osakabe, and Akinori Asahara, “Proposing Novel Extrapolative Compounds by Nested Variational Autoencoders,” arXiv:2302.02555, 6th Feb, 2023. 【LINK】
• IEEE BigData 2022, Oral, Reviewed: Koichiro Yawata, Yoshihiro Osakabe, Takuya Okuyama, and Akinori Asahara, “QUBO-inspired Molecular Fingerprint for Chemical Property Prediction,” Proc. of IEEE Big Data 2022, December 20th, 2022. 【LINK】
• IEEE BigData 2022, Poster, Reviewed: Akinori Asahara, Yoshihiro Osakabe, Karin Tsuda, and Hidekazu Morita, “Interactive Support System for Idea Divergence-Convergence Iteration,” Proc. of IEEE Big Data 2022, December 20th, 2022. 【LINK】
• ICKG 2022, Oral, Reviewed: Koichiro Yawata, Yoshihiro Osakabe, Takuya Okuyama, and Akinori Asahara, “QUBO Decision Tree: Annealing Machine Extends Decision Tree Splitting,” Proc. of 2022 IEEE International Conference on Knowledge Graph (ICKG), December 1st, 2022. 【LINK】
• IIBMP 2022, Poster, Reviewed: 刑部好弘, and 淺原彰規, “少量の実験データでも高確率で所望物性をもつ低分子化合物を発案するための深層生成モデルとその損失関数,” 第11回生命医薬情報学連合大会, September 13th, 2022.
• ACM SIGAI - IEA/AIE 2022, Oral, Reviewed: Y. Osakabe, and A. Asahara, “Proposing Novel High-Performance Compounds by Nested VAEs Trained Independently on Different Datasets,” Lecture Notes in Computer Science, Advances and Trends in Artificial Intelligence. Theory and Practices in Artificial Intelligence — IEA/AIE 2022, vol. 13343, pp. 714-722, 2022.【LINK】
• DICOMO 2021, Oral, Reviewed: 刑部好弘, and 淺原彰規, “MatVAE: 少量の実験データでも学習可能な実験候補化合物を提示するための入れ子型変分オートエンコーダ,” マルチメディア, 分散協調とモバイルシンポジウム (DICOMO) 2021 論文集, 540-546, 2021.【LINK】
• AAAI-MLPS 2021, Oral, Reviewed: Y. Osakabe, and A. Asahara, “MatVAE: Independently Trained Nested Variational Autoencoder for Generating Chemical Structural Formula,” AAAI Spring Symposium: MLPS, 2021.【PDF】
• Journal, Reviewed: Y. Osakabe, S. Sato, H. Akima, M. Kinjo, and M. Sakuraba, “Learning Rule for a Quantum Neural Network Inspired by Hebbian Learning,” IEICE Trans. on Information and Systems, 104(2), 237-245, 2021.【LINK】
• AAAI-MAKE 2020, Oral, Reviewed: Y. Osakabe, A. Asahara, and H. Morita, “Hitachi Materials Informatics Analytics Platform Assisting Rapid Development,” AAAI Spring Symposium: Combining Machine Learning with Knowledge Engineering (1), 2020.【PDF】
• Oral: Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, and S. Sato, “Nero-inspired Quantum Learning Rule Inspired by Boltzmann Machine,” AS28.00011, American Physics Society March Meeting 2018, March 8th, 2018.
• Oral: S. Sato, Y. Osakabe, H. Akima, M. Sakuraba, ”Hebbian and anti-Hebbian learning for a quantum associative memory,” The 6th RIEC International Symposium on Brain Functions and Brain Computer, S1-3, 1-2 February, 2018.
• ISS2017, Poster, Reviewed: Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, and S. Sato, “Neuro-inspired Quantum Associative Memory Model,” The 30th International Symposium on Superconductivity, EDP-11, Dec 13-15, 2017.【PDF】
• Journal, Reviewed: Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, and S. Sato, “Learning Rule for a Quantum Neural Network Inspired by Hebbian Learning,“ IEEE trans. on Neural Networks & Learning Systems, (submitted).
• Journal, Reviewed: Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, and S. Sato, “Quantum Associative Memory with Quantum Neural Network via Adiabatic Hamiltonian Evolution,“ IEICE trans. Inf. & System., Vol.E100-D, No.11, pp.2683-2689, Nov. 2017.【LINK】
• AQC2017, Poster, Reviewed: Y. Osakabe, “Comparison between Ising Hamiltonian and Neuro-inspired Hamiltonian for Quantum Associative Memory,” Adiabatic Quantum Computing Conference 2017, P-17, 26-29 June, 2017. (26th June)
• IJCNN2017, Oral, Reviewed: Y. Osakabe, S. Sato, H. Akima, M. Kinjo, and M. Sakuraba, “Neuro-inspired Quantum Associative Memory Using Adiabatic Hamiltonian Evolution,” The International Joint Conference on Neural Networks 2017, 14-19 May, 2017. 【LINK】
• Oral: Y. Osakabe, S. Sato, H. Akima, M. Sakuraba, and M. Kinjo, “Hamiltonian change for quantum associative memory”, Abst. The 5th RIEC International Symposium on Brain Functions and Brain Computer, S1-4, 27-28 February, 2017.
• Journal, Reviewed: Koya Motegi, Naofumi Ueno, Masao Sakuraba, Yoshihiro Osakabe, Hisanao Akima, Shigeo Sato, “Electrical properties and B depth profiles of in-situ B doped Si films grown by ECR Ar plasma CVD without substrate heating”, Materials Science in Semiconductor Processing, Volume 70, Pages 50-54, 2016. 【LINK】
• Journal, Reviewed: Naofumi Ueno, Masao Sakuraba, Yoshihiro Osakabe, Hisanao Akima, Shigeo Sato, “Electronic properties of Si/Si-Ge Alloy/Si(100) heterostructures formed by ECR Ar plasma CVD without substrate heating”, Materials Science in Semiconductor Processing, Volume 70, Pages 55-62, 2016.【LINK】
• ICANN2016, Oral, Reviewed: Y. Osakabe, S. Sato, M. Kinjo, K. Nakajima, H. Akima, M. Sakuraba, “Learning method for a quantum bit network”, Lecture Notes in Computer Science, Artificial Neural Networks and Machine Learning — ICANN 2016, vol. 9887, pp. 558, 2016.【LINK】
  • (otherwise;) Y. Osakabe, S. Sato, M. Kinjo, K. Nakajima, H. Akima, M. Sakuraba, “Learning method for a quantum bit network”, Proc. The 25th International Conference on Artificial Neural Networks, B4.4 , September 6-9, 2016. 【LINK】
• Oral: 刑部好弘, 佐藤茂雄, 秋間学尚, 櫻庭政夫, 金城光永, “脳型計算の学習則を導入した断熱的量子計算手法の検討”, 2016年電子情報通信学会総合大会, C-8-20, 18-25 March, 2016.【LINK】
  • (otherwise;) 刑部好弘, 佐藤茂雄, 秋間学尚, 櫻庭政夫, 金城光永, “脳型計算の学習則を導入した断熱的量子計算手法の検討”, 電子情報通信学会総合大会講演論文集, vol. 2016, no. 2, pp. 48, 2016. 【PDF】
• Oral: Y. Osakabe, S. Sato, M. Kinjo, K. Nakajima, H. Akima and M. Sakuraba, “Brain inspired adiabatic quantum computing and learning”, Abst. The 4th RIEC International Symposium on Brain Functions and Brain Computer, S4-3, 2016.
• Oral: Y. Osakabe, S. Sato, T. Onomi, H. Akima, M. Sakuraba, “Superconductivity Coherence in Series Array of Nb/AlOx/Nb Josephson Junctions”, Proc. 2015 Tohoku-Section Joint Convention of Institutes of Electrical and Information Engineers Japan (平成27年度電気関係学会東北支部連合大会), 1A10, 27-28 August, 2015. 【LINK】
• Poster, Reviewed: Y. Osakabe, T. Onomi, H. Akima, M. Sakuraba, S. Sato, “Experimental Analysis of Macroscopic Quantum Tunneling Rate in Series Array of Nb/AlOx/Nb Josephson Junctions”, Ext. Abst. 15th International Superconductive Electronics Conference, DP-P11, 6-9 July, 2015. (July 6th)

Note: Please also refer to ResearchGate (EN) for the abstracts.

Related News Releases and Web Articles | 関連ニュースリリースと報道記事

• (2025/11/27) エピストラと日立、AIを活用しファーメランタの医薬原料中間体「(S)-レチクリン」の生産において、世界最大級の収量とラボ実験回数の最大73%減を達成
• (2025/5/13) デジタル×バイオ融合により、細胞遺伝子治療薬の効果的な開発を支援する技術を開発
  • 日経バイオテク | 日立製作所、デジタル×バイオ融合により、細胞遺伝子治療薬の効果的な開発を支援する技術を開発
  • YouTube | 日立神戸ラボ「デザイン細胞開発プラットフォーム」English Version
• (2023/9/11) 東京大学と日立がバイオ・高分子ビッグデータ駆動による完全循環型バイオアダプティブ材料の開発に向けた協創を開始
  • 東京大学大学院工学系研究科からの発表 (共同発表)
  • 日経新聞 | 東大と日立、バイオ・高分子ビッグデータ駆動による完全循環型バイオアダプティブ材料の開発に向けた協創を開始
  • 日刊工業新聞(電子版) | 日立と東大、バイオアダプティブ材料開発にMI向けAI活用
  • IoT News | 東京大学と日立、バイオ・高分子ビッグデータ駆動による完全循環型バイオアダプティブ材料の開発ヘ
  • BIGLOBEニュース | 東京大学と日立がバイオ・高分子ビッグデータ駆動による完全循環型バイオアダプティブ材料の開発に向けた協創を開始
• (2022/12/16) 疑似量子の活用で従来のMIによる材料開発期間をさらに20%短縮できることを実証
  • 日経クロステック | 日立の疑似量子技術、MIを使った材料開発期間の20％短縮を試算
  • ZDNet Japan | 疑似量子の活用で材料開発期間を約20％削減--日立が有効性を実証
  • マイナビニュース | 日立、疑似量子コンピュータで材料の開発期間を20%短縮‐Lumadaへ展開
• (2021/6/28) 三井化学と日立が材料開発を高速化するMI技術の実用化に向けた実証試験を開始
  • English ver | Mitsui Chemicals and Hitachi Start Demonstration Test for Practical Application of MI Technology to Speed Up Materials Development
  • 三井化学株式会社からの発表 (共同発表) | 有機材料開発の実験回数を従来比約1/4に低減し、新材料開発のDXを実現
  • 日経新聞 | 日立と三井化学　AI使う材料開発で実証試験
  • 日経クロステック | 三井化学と日立が新規材料の化合物を発見するAI、実験回数を4分の1に削減
  • MONOist | 日立が実験回数4分の1のマテリアルズインフォマティクス技術、三井化学と実証へ

Interviews, Web Articles and Others | インタビュー記事やウェブ記事など、その他

• 企業で活躍する博士人財ロールモデル事例集 | 日立製作所 刑部好弘
  • 掲載元 | 経済産業省 - 博士人材活躍促進に向けて
  • 掲載元 | 文部科学省 - 博士人材活躍プラン～博士をとろう～
• 日立製作所 社員インタビュー 刑部好弘
  • 日立製作所 | 博士採用・インターン：社員インタビュー
  • 日立製作所 | 新卒採用・インターン：社員インタビュー
• (2023/10/31) 日経クロステック | 専門組織設置で生成AI活用に動く日立・三菱・NEC、商品化にらみまずは社内向けで
• オンライン開催！日立製作所のトップAI研究者と学ぶコンペティション-地下道歩行者量予測- メンターインタビュー 刑部 好弘さん
  • オンライン開催！　日立製作所のトップAI研究者と学ぶコンペティション -地下道歩行者量予測-
• AIやシミュレーション技術を活用したマテリアルズ・インフォマティクス（MI）について
• データサイエンティストの仕事～日立のAI研究者に聞いてみた！～シリーズ４～

This site is open source. Improve this page.