FIT2026 第25回情報科学技術フォーラム

イベント企画

トップコンファレンス4-3 データベースとデータサイエンス

2026/9/3(木) 9:30-12:00
第6イベント会場

座長：北島　信哉（富士通株式会社）

9:30-9:50 講演(1)　Oze: 更新を伴うロングトランザクションのための分散型グラフベース並行性制御
根本潤（株式会社Scalar　Principal Researcher）
【原発表の書誌情報】Jun Nemoto, Taksahi Kambayashi, Takashi Hoshino, Hideyuki Kawashima: Oze: Decentralized Graph-based Concurrency Control for Long-running Update Transactions. Proc. VLDB Endow. 18(8): 2321-2333 (2025)
【概要】更新を伴うロングトランザクションは既存の並行性制御では偽陽性によるアボートや性能低下が生じる。本論文では、分散型MVSGを用いる並行性制御プロトコル Oze を提案し、高いスループットを実現する。
	【略歴】2006年慶應義塾大学大学院理工学研究科修士課程修了。同年株式会社日立製作所入社、ストレージシステムの研究開発に従事。2014年 Carnegie Mellon University客員研究員。2019年同社退職。2021年慶應義塾大学大学院理工学研究科博士課程修了。博士(工学)。同年慶應義塾大学大学院政策・メディア研究科特任講師。2022年より現職、データベースシステムの研究開発に従事。
9:50-10:10 講演(2)　空間範囲ジョイン上のランダムサンプリング
天方大地（大阪大学　大学院情報科学研究科　准教授）
【原発表の書誌情報】Daichi Amagata, Random Sampling over Spatial Range Joins, Proceedings of the IEEE International Conference on Data Engineering (ICDE), pages 2080–2093, 2025.
【概要】空間データのジョイン問題は多くの応用があるが、計算コストと結果サイズの大きさに難がある。本研究では、ジョイン結果のランダムサンプルを計算する問題に取り組み、理論的・実践的に高速なアルゴリズムを提案する。
	【略歴】2015年大阪大学大学院情報科学研究科博士後期課程修了．同年同大学院情報科学研究科マルチメディア工学専攻助教となり，現在同大学院情報科学研究科マルチメディア工学専攻准教授．高速アルゴリズムに関する研究に従事．IEEE，ACM，日本データベース学会の各会員．
10:10-10:30 講演(3)　説明ボトルネックモデル
山口真弥（NTT　コンピュータ＆データサイエンス研究所　准特別研究員）
【原発表の書誌情報】Shin'ya Yamaguchi and Kosuke Nishida. "Explanation bottleneck models." Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 39. No. 20. 2025.
【概要】解釈可能な深層学習モデルの開発は実世界でのモデル運用において重要な課題である。既存研究では入力データの構成要素（コンセプト）を中間的に予測し、それらから最終出力を予測するコンセプトボトルネックモデルが知られているが、事前定義されたコンセプト以外を表現することができず、柔軟性に限界があった。本発表では、自然言語による柔軟なテキスト説明から最終的な分類ラベルを出力する新しい解釈可能モデルである説明ボトルネックモデル (Explanation Bottleneck Models, XBMs) を紹介する。
	【略歴】2017年横浜国立大学大学院工学府修士課程修了。同年より NTT 研究所に入社。2025年京都大学大学院情報学研究科博士課程修了。合成データ活用、転移学習、説明可能AI、マルチモーダル表現学習などの研究に従事。令和四年度PRMU研究奨励賞、ACML2023 Best Paper Award 受賞。
10:30-10:50 講演(4)　ToMATO: 心の理論ベンチマークのためのロールプレイングLLMの心的状態の言語化
篠田一聡（NTT株式会社　人間情報研究所　研究員）
【原発表の書誌情報】Shinoda, K., Hojo, N., Nishida, K., Mizuno, S., Suzuki, K., Masumura, R., Sugiyama, H., Saito, K. (2025). ToMATO: Verbalizing the Mental States of Role-Playing LLMs for Benchmarking Theory of Mind. Proceedings of the AAAI Conference on Artificial Intelligence, 39(2), 1520–1528.
【概要】心の理論とは他者の信念や意図などの心的状態を推測する能力で、大規模言語モデルがこの能力を持っているかについて関心が集まっています。本研究では、大規模言語モデルの心の理論をより包括的かつ実応用に近い設定で評価可能なデータセットを、大規模言語モデル同士の対話によって構築しました。
	【略歴】NTT株式会社人間情報研究所研究員。2023年東京大学大学院情報理工学系研究科コンピュータ科学専攻博士課程修了。博士（情報理工学）。日本学術振興会特別研究員（DC2）を経て、同年より現職。現在、大規模言語モデルの心の理論や事後学習の研究開発に従事。言語処理学会、ACL各会員。