In the future, I aim to translate my research into practical innovations in Japan by collaborating with industry partners to develop intelligent, human-centered systems. By integrating predictive models with real-time physiological data from wearable devices, the system can estimate users’ emotional and comfort states.

遠方の電波源の観測データを基に昔の宇宙の温度（宇宙マイクロ波背景放射温度）を精密に測定する研究を行っている。得られた測定値と標準ビッグバンモデルの理論予測との乖離を定量的に評価することで、宇宙進化のモデルを観測的に検証することを目指す。今後は世界各国の大型電波望遠鏡を用いた新規観測を主導し、未精密の年代における宇宙の温度を測定する。国内外の研究者とも共同研究を行い、宇宙進化史の解明に貢献したい。

I plan to pioneer the integration of living-cell-based sensing technologies with intelligent human-machine systems. By combining biohybrid sensors with data-driven algorithms, adaptive signal processing, and interactive interfaces, I aim to build a perceptual platform capable not only of detecting complex stimuli but also of learning from and responding to its environment. Such systems hold promise for advanced applications in environmental monitoring, human-machine interaction, and intelligent infrastructure. Through interdisciplinary collaboration spanning bioengineering, artificial intelligence, and systems engineering, I am dedicated to bridging biological perception with machine intelligence, advancing the reliable deployment of intelligent technologies in real-world and societal contexts.

二酸化炭素や水は、ただ混ぜただけではほとんど反応しませんが、触媒を用いることで有用物質へ変えることができます。私は、こうした触媒反応がなぜ起こるのかを明らかにするため、放射光を用いた最先端の分析手法・装置を開発し、反応中の触媒状態を直接観測する研究に取り組んでいます。将来的には、触媒反応解析を軸とした、触媒設計の新たな枠組みを築き、カーボンニュートラル社会の実現に貢献したいと考えています。

私は、ARグラスとAIを組み合わせ、音声だけでなく視線・ジェスチャー・空間的な位置関係といったマルチモーダル情報を用いて、人がAIとより直感的にコミュニケーションできるシステムの実現を目指しています。特に、AIを単なる支援ツールやパートナーとして扱うのではなく、ARを通して人間の知覚や理解能力を拡張する「人間拡張（Human Augmentation）」の手段として活用することに関心があります。

LiDARは自動運転の物体認識・自己位置推定を支える中核センサだが、レーザを発射して反射光を受光し測距を行う仕組み上、鏡やガラス等の反射物が多い環境で誤った測距結果を出力してしまう。特にガラス反射によって本来存在しないはずの点群（ゴースト）が生成され、誤った3D形状が生まれてしまう。従来のLiDAR内部デジタル信号処理だけではゴーストを分離する情報が欠けるため、ルールベース信号処理ではこの問題を解決できなかった。ゴーストにより障害物等の誤認識が誘発され、渋滞や接触事故の直接的な要因となり得てしまうため、LiDARの環境耐性向上はレベル4自動運転実現の最優先課題と位置付けている。本研究では、“Full-Waveform LiDAR（FWL）データ”を直接活用し、実点群とゴースト点群を判別する深層学習を活用したLiDARシステムを世界で初めて提案する。従来比100倍のデータ量を含む大規模FWLデータセットを構築・公開し、信号処理中心のLiDARから、“FWLデータ”を直接推論可能な深層学習モデル一体型の次世代LiDARへの転換を目指す。