MLPhys 2026 – International Conference on Machine Learning Physics 2026 が、2026年7月13日から15日まで、沖縄県那覇市の 自治会館（2階 において開催されました。
MLPhysは、物理学と機械学習の融合をテーマとした国際会議であり、物理現象の理解や科学的発見への機械学習の応用、および物理学の理論や数理構造を活用した新たな機械学習手法の開発について、幅広い研究成果が発表・議論される国際会議です。物理学、情報科学、応用数学など多様な分野の研究者が集まり、活発な意見交換が行われました。
本研究室では、以下のポスター発表を行いました。
発表日：2026年7月13日（月）
- Phonepaserth Sisaykeo and Shogo Muramatsu, “Koopman–Chebyshev Spectrum Linking for Data-Driven PDE Identification,” MLPhys 2026 – International Conference on Machine Learning Physics 2026, Okinawa, Japan, 2026.
本研究では、Chebyshevスペクトル表現を共通基盤として、観測データから構築したKoopman作用素と方程式から導かれるKoopman作用素を関連付けることにより、支配偏微分方程式（PDE）をデータ駆動的に同定するフレームワークを提案しました。ポスター発表では、Koopman–Chebyshev Spectrum Linkingフレームワークの基本的な考え方を紹介するとともに、観測データから未知の力学システムを同定・解析するための応用可能性について説明しました。
会議期間中は、機械学習と物理学の融合分野に関する招待講演やポスター発表に参加し、最新の研究成果に触れることができました。特に、Physics-Informed Machine Learning、科学的発見（Scientific Discovery）、逆問題（Inverse Problems）、量子多体系（Quantum Many-Body Systems）、ニューラルネットワーク理論、およびデータ駆動型物理モデリングなど、幅広い研究分野に関する講演から、多くの知見を得ることができました。
また、ポスター発表では、さまざまな研究分野の研究者の方々と活発な議論を行うことができました。参加者からいただいたご質問やご意見、ご提案は、本研究を新たな視点から見直す良い機会となり、今後の研究の発展につながる多くの示唆を得ることができました。特に、観測データ、スペクトル表現、Koopman作用素、および支配偏微分方程式（PDE）同定との関係について、より分かりやすく説明するための貴重なフィードバックをいただきました。
最後に、ポスターをご覧いただき、貴重なご意見やご助言をくださった皆様に心より感謝申し上げます。MLPhys 2026への参加は、本研究成果を広く発信するとともに、機械学習、計算物理学、および関連分野の研究者との交流を深め、学際的研究の最新動向を学ぶ貴重な機会となりました。私たちは、本会議で得られた知見やフィードバックを今後の研究活動に活かし、さらなる研究の発展につなげていきたいと考えています。
