Quick Links
About Me
YuXuan Wu・Horikita Saku
China National Center for Bioinformation
人工知能を使って、自然科学や基礎科学を推進したいという研究者
Self Introduction
本名 吴宇轩; ほりきたさく と呼んでもいい。
大学では人工知能を専攻。
データ科学と自然科学の交差分野に興味を持って、特に生物情報と天体物理学の分野です。
現在、GWASや単細胞解析など、離散表現や人工知能のバイオインフォマティクスや医学への応用研究に従事しています。
Kaggle Master.
My personality
静かな空間、本を読み、雨を聞き、おいしいコーヒーが好き。
好きな本は冬の夜ひとりの旅人がです。
少しワーカホリックかもしれません。
Publications
Resolving the bias-precision paradox with stochastic causal representation learning for personalized medicine
Peisong Zhang, Manqiang Peng, YuXuan Wu, et al.
Nature Biomedical Engineering (査読中)
·
2026
CodeUnlearn: Amortized Zero-Shot Machine Unlearning in Language Models Using Discrete Concept
YuXuan Wu, Bonaventure F. P. Dossou, Dianbo Liu
Neurips 2024 Workshop
·
2024
招待講演
Pages
NeurIPS - Ariel Data Challenge 2025の振り返り
7位入賞。初の金メダル。
IceCube - Neutrinos in Deep Ice
The top 3% of all participating teams globally. First Silver Medal. My story in the competition.
初めての天体望遠鏡
天体望遠鏡を校正し、木星と土星の観測をしてみた。
Experience
Kaggle Master
2023 - Present
AI リサーチャー
2026.2 - Present
- 臨床場面における言語・文化ギャップを横断して大規模言語モデルを評価する多言語医療ベンチマークデータセットの開発。
- 医療 AI システムの評価手法に貢献し、言語横断的な性能と臨床適用性に注力。
Research Assistant
2025.11.15-Present
- 単細胞および幹細胞データの計算解析を実施し、細胞状態遷移と摂動応答に焦点。
- Virtual Cell Construction モデルを開発し、マルチオミクスデータを統合して様々な摂動下の細胞挙動をシミュレート。
- 個体レベルの仮想モデリングに貢献し、ドナー間変異の捕捉とドナー特異的細胞応答の予測を目指す。
- 間葉系幹細胞(MSC)データセットの品質管理と計算処理を担当し、幹細胞製品の特性評価を支援。
訪問学者
2024.1.3-Present
- 単細胞オミクス解析
- VQ-VAE / Discrete Representation / Machine unlearning
NeurIPS - Ariel Data Challenge 2025 - 金メダル 第7位
惑星と恒星の面積比およびその予測に対する信頼度(不確実性 σ)を推定する。
- NeurIPS コンペティションで第7位(上位1%)を獲得し,初の金メダルを達成。
- フォワードモデリングからガウス過程,ディープラーニング,勾配ブースティング木までを組み合わせた手法を開発。
- Kaggle Competition Master に昇格。
IceCube - Neutrinos in Deep Ice - Silver Medal(top3%)
宇宙から南極までのニュートリノの方向を再現します
- ニュートリノと天体物理学のコンペティションで21位を獲得し、参加チーム全体のトップ3%にランクインしました。
- EdgeConvオペレータに基づく3Dポイントクラウド畳み込みモデルを活用し、さまざまなRNNモデルを開発し、IceCubeの物理的原理に基づいた多段階トレーニング方法を採用しました。
- 初めてのメダルです。
HMS - Harmful Brain Activity Classification - Silver Medal(top2%)
2024
手術的に重病の患者から記録された脳波(EEG)信号とスペクトログラムを訓練データとして使用し、さまざまな有害な脳活動を分類するモデルを開発しました。
- 脳科学と生理学のコンペティションで38位を獲得し、参加チーム全体のトップ2%にランクインしました。
- EEG信号に基づいた1Dモデルを開発し、革新的なトレーニング方法を用いて効果的な1D+2Dマルチモーダルモデルを構築しました。