作者：TechLive留日理工同好会·堺塾理工系
在面临联系国外导师这一环节时，一定有很多问号：自己的专业适合选择日本哪些专攻继续进修？转专业的话又有哪些专攻友好度较高？考试科目有哪些？不同专攻又有哪些实验室？实验室教授的近期研究方向等等。
TechLive团队将选择日本理工类热门院校，分别从各学校 情报理工 / 机械工学 / 电子电气/ 空间信息等 几大专业类别下详细解读其专攻领域、考试内容和实验室教授研究方向。本篇为东京大学 复杂理工学，后续将加速更新。
本篇内容· 情报理工学专攻介绍
· 入试情报
· 研究室整理总结
[ 1. 数理情報工学
2. 知能ソフトウェア
3. ソフトウェアシステム・計算機工学
4. メディア工学・知能情報工学 ]
世界上充斥着各种各样的信息，例如新闻、灾害信息、公司的产品信息以及个人在社交平台上发布的信息。同时，也不乏与新信息技术相关的话题，例如从海量的大数据中提取信息、人工智能（AI）的自主判断/识别和机器自动化。
https://www.cs.tsukuba.ac.jp/index.html
筑波大学情报理工学位课程是日本该领域最大的学位课程之一。 教职工总数80人（截至2020年4月1日，教授27人，副教授30人，讲师3人，助理教授20人），几乎涵盖了与计算机科学相关的所有领域。
情报理工项目在信息技术的各个领域具有深厚的专业性，以及国际公认的知识、专业研究能力和实践能力，同时兼具独创性和灵活性。通过使用信息学方法解决专门领域的问题。
//
需要报考筑波大学情报理工的同学可以先关注该专业的入试情报。
募集要项
入试总共分为三类：
1. 推荐入试（7月）
2. 一般入试（8月）
3. 一般入试（1-2月）
入试日程：
1. 推荐入试：2021.7.1
2. 一般入试（8月）：2021.8.18
3. 一般入试（1-2月）：2022.1.31
具体流程见下表：
口试
包括关于专业领域和个人志向的问题，以及关于基本学术能力（数学、信息基础）的问题。主要包括以下几个方面：
1. 解析学：函数与极限、数列的极限、无穷级数、微积分、偏微分、多重积分
2. 线性代数：矩阵、行列式、向量空间、1次写像、核と像、内积空间、特征值/特征值的对角化
3. 离散数学：集合、函数、关系
4. 编程基础：制御構造（条件分支、循环等）、数据结构（堆栈、队列、列表、树等）、函数、递归调用
5.逻辑与电路：命题逻辑、布尔代数、卡诺图、组合电路
面试官会从选定的领域一一提问。 每道题的回答时间为5分钟（包括读题时间）。
选择专业时，无法预先确认选择该专业时将询问的问题。 此外，一旦选择，该专业以后便无法更改。
考生需口头回答问题。 但是，对于线上追加测试，可能会根据需要使用 Zoom 。
考生在考虑答案时可以使用计算笔记和书写工具。但是，记事本不能作为口头回答的替代品。
例题： https://www.cs.tsukuba.ac.jp/admission/problem.pdf
出愿方法
1. 出愿系统中输入自己的信息，提交后不可变更。
推荐入试：2021.5.28日12：00-6.24日15：00
一般入试（8月）：2021.7.1日12：00-7.16日15：00
一般入试（1-2月）：2021.12.1日12：00-12.17日15：00
2. 请将需要提交的证书等所有原件通过邮寄（書留）方式提交给学校，并将 “地址表”附在信封中并提交。如果没有在期限内到达或者如果文件不完整，申请将不被接受，无法参加考试。
3. 邮寄资料
全员：毕业证明、成绩证明、推荐信
对应人员：学士（预）证明、研究计划（限邮寄者）、受験生調書、受験承認書、公费留学生证明、検定料収納証明書、考试费信用卡支付申请详情查询结果画面的复印件
入学
入学手续资料：2022年2月16日前发送到各位学生手中
入学手续提出：2022年3月上旬前提出
入学时间：2022年4月1日
//
专业分类
1. 数理情報工学
2. 知能ソフトウェア
3. ソフトウェアシステム・計算機工学
4. メディア工学・知能情報工学
接下来详细介绍这四类专业的研究方向及研究室。
数理情報工学
数理情報工学专业主要包含以下5个研究室。
カオス研究室
情報数理研究室
計算ビジュアルサイエンス研究室
制御システム研究室
システム数理研究室
教授列表
接下来主要介绍情報数理研究室。
情報数理研究室
研究室主页：
https://www.mma.cs.tsukuba.ac.jp/
研究室成员：
教授：1位
准教授：1位
助教：6位
研究员：4位
博士：13位
修士：11位
本科：4位
研究关键词：
数值分析、语义联想搜索、数学软件等
研究概要
计算机模拟包括纳米级到空间级的模拟，例如新材料的开发、蛋白质和DNA的功能分析、汽车等产品的高效设计和开发、高精度天气预报以及超新星爆炸现象的阐明。
在这样的模拟过程中同时出现了线性方程组和特征值问题。近年来这些问题的规模越来越大，高速求解这些问题已经成为一个重要的课题。
在数值计算组中，我们与物理、化学、生命科学等领域的研究人员合作，研究开发充分利用计算机数学的高效计算方法，并在并行环境中进行实验。
线性方程组是由Ax = b 表示的问题的求x 的问题。 该方程出现在热流体分析、结构强度计算、人体DNA分析等各个领域的数值模拟中，并且模拟的大部分计算时间都花在求解上。 求解这个方程有两种方法：直接求解和迭代求解。
直接解法有高斯消元法和LU分解法，在有限次数的运算内求解，但计算量和内存占用量巨大。Krylov 子空间迭代法是一种迭代求解方法，虽然计算量和内存使用量很小，但需要根据问题进行大量迭代。 在数值计算组，我们主要研究使用Krylov子空间迭代法的求解方法。
研究课题
1. BSAIC预处理
2. 気象シミュレーションから現れる連立一次方程式
3.BlockIDR(s)法的開発
特征值问题的解法特征值问题是求一个矩阵的特征值和特征向量的问题。 特征值问题包括由Ax = λx 表示的标准特征值问题、由Ax = λBx 表示的广义特征值问题，以及出现二次或更高和平方根等更复杂项的非线性特征值问题F (z) x = 0等。针对此类问题，数值计算组主要研究利用线积分的特征值求解方法（SS法）
SS法是一种利用线积分的特征值求解方法，是一种可以处理各种特征值问题的求解方法。 此外，因为它具有高并行性，所以使用并行计算机进行计算是有非常效的。
研究课题
1. SS法における耐故障性
2. 遅延微分方程式から現れる非線形固有値問題
3. 量子ドットに現れる５次多項式固有値問題
4.非線形固有値問題における固有値分布推定
课外活动：
不仅在研究室内，在校外也开展了许多活动，并积极开展与筑波大学以外的各大学的交流。其中包括在各个学术团体进行讲座和海报展示，并有很多机会接触其他大学的研究。此外，不仅在日本，还有机会在海外进行研究报告。
知能ソフトウェア
知能ソフトウェア专业主要包含以下5个研究室。
インタラクティフフロクラミンク研究室
人工知能研究室
知能ロホット研究室
ヒシュアリセーションとインタラクティフシステム研究室
プログラム論理研究室
教授列表
接着主要介绍人工知能研究室和知能ロホット研究室。
人工知能研究室
研究室主页：
https://www.cs.tsukuba.ac.jp/~mizutani/index-J.html
研究室成员：
讲师：1位
本科：1位
募集人数：3位
研究内容：
程序理论与音乐信息学：实时智能程序系统及音乐信息验证与分析的逻辑基础
基于人工智能与程序论的融合的音乐信息学研究
自动化性能系统规范的逻辑表达、实现和正确性验证
音乐的结构功能及以此为基础的表演创作音乐结构分析与表演面部表情的关系，表演规则的逻辑表达表演面部表情的可视化，构建指法信息的逻辑表情/决策系统
这不仅仅是在计算机上播放音乐。人工知能研究室将从逻辑和数学上把握人类在音乐中的“智慧”与“感性”、“智力”与“思想”。
知能ロホット研究室
研究室主页：
https://www.roboken.iit.tsukuba.ac.jp/
研究室成员：
教授：2位
准教授：1位
助教：1位
博士：7位
修士：35位
本科：14位
研究概要：
筑波大学智能机器人实验室致力于研究和开发能够自主移动并支持人类生活的机器（机器人）技术。
目前，在科学技术进步的支持下，高速运动的机器、精细工作的机器等方便实用的机器正在陆续开发中，并且随处可见。因此赋予自动化机器人类和动物所具有的灵活性、适应性、鲁棒性和确定性，从而实现可信赖的有用机器来完成其工作是我们研究的目的。
现在所谓的IT技术有了长足的进步，大部分信息的传输、处理和积累工作都可以交给计算机来完成。同时也希望让这种便利能够应用到实际生活中。
以移动机器人为例，它可以正确地移动到建筑物或户外的指定目的地并执行必要的工作。为此，我们正在以实现它的技术为重点进行研究和开发。
研究概要：
目前正在进行的研究课题大致可分为以下几类：
通过面向任务的系统集成实现自主机器人的高级操作
移动机器人和智能机器人新要素技术开发
作为研究平台的自主移动机器人“Yamabiko”的开发
这些都具有重叠的研究内容和领域。 但是，通过这种划分，每个研究主题的目的和特征将得到明确，以避免在机器人技术中趋于“目的不明确”的研究。
目前正在进行或感兴趣的具体研究主题是：
通过面向任务的系统集成实现自主机器人的高级操作
1. 室内外真实环境自主导航
2. 与人类共存并在生活空间中工作的自主机器人
3. 通过互联网等在远程位置充当代理体的移动机器人。
4. 未知环境下的环境制图与自定位识别
5. 通过协调多个自主机器人在环境中进行探索
6. 应用机器人技术的安全/监控系统
7. 通过配备机械手的移动机器人对物体进行操作
8. 用于建筑和农业工作的自主移动机器
移动机器人和智能机器人新要素技术开发
1. 自主机器人配置方法及控制器
2. 轮式移动机器人的机构与控制
3. 传感器和环境识别
4. 移动体自身位置推测技术
5. 通过运动进行环境识别和地图生成
6. 移动机器人人机交互与遥控技术
作为研究平台的自主移动机器人“Yamabiko”的开发
具有标准功能的轮式移动机器人，主要包括以下几个功能：
1. 标准驾驶控制语言和驾驶控制系统
2. 环境模型维护和路由规划子系统
3. 自位置估计子系统
4. 多台机器人之间的通信网络
ソフトウェアシステム・計算機工学
ソフトウェアシステム・計算機工学专业主要包含以下18个研究室。
インタラクティブ・アーキテクチャ研究室
インフラウェア研究室
人工生命・ウェブサイエンス研究室（岡研）
OS分散処理研究室
システムソフトウェア研究室
北川・天笠データ工学研究室
コンピュータネットワーク研究室
システムセキュリティ研究室
システムディぺンダビリティ研究室
集積システム研究室
ソフトウェア研究室
データ駆動ネットワーキングアーキテクチャ研究室
データシステムエンジニアリング研究室
電子回路研究室
ハイパフォーマンス・コンピューティング・システム研究室
並列分散処理研究室
マルチエージェントシステム研究室
ライフエレクトロニクス研究室
教授列表
接着主要介绍ソフトウェア研究室和電子回路研究室。
ソフトウェア研究室
研究室主页：
https://www.softlab.cs.tsukuba.ac.jp/index.html.ja
研究室成员：
教授：3位
修士：8位
本科：6位
研究项目：
目前的研究项目（包括毕业研究、硕士和博士研究）包括：
操作系统、虚拟化技术
1. 保密执行环境的实现与应用
2. 实时虚拟机
3. 使用虚拟机和容器保护隐私的操作系统。
4. 基于“外包方式”的虚拟机操作系统设计与功能扩展
分布式系统
1. 分布式 Web 浏览器（用于在 Web 浏览器上运行的协作程序的分布式操作系统）
2. 使用社交 VPN 的分布式操作系统
3. 通过扩展网络浏览器防止用户跟踪
计算机网络运行与管理
1. 高性能入侵检测系统。
2. 使用筑波大学网络中安装的防火墙、DNS 服务器、电子邮件服务器、蜜罐等的日志进行攻击检测和预防。
3. 无线局域网访问记录数据处理及其框架的开发。
语言处理
1. 分布式 Web 浏览器 / 操作系统内核 / 虚拟机 / Go / Rust / Ruby / Java / Lua / 在机密执行环境中运行的其他语言处理系统
研究室设备：
1人可使用约2台电脑，RealForce 或 HHK 键盘。 此外，还提供 30 英寸大屏幕 (2560x1600) 显示器和几台Mac。
研究室的位置也很吸引人，它靠近信息学的终端室，自助餐厅，以及A楼和B楼的演讲室，所以可以不用担心被雨淋湿。同时也靠近停车场。此外，还有一个公共空间可供同学们平时讨论课题和放松娱乐。
事前准备：
参加与操作系统、数据库、编程语言、体系结构、分布式系统和系统程序相关的课程。 毕业研究有很多实际任务，因此从中获得的编程和系统管理技能在毕业后都能够发挥作用。
主要使用语言 C、Java 和 Ruby。 根据研究课题的不同，一些课题也会使用 JavaScript、Go、Rust 和 Swift。对于做内核黑客的人 C 语言是必要技能。
此外，如果有学习スタートレック的背景，那在接下来的研究中将会省去很多时间。没有学习过スタートレック的同学也不用担心，在毕业之前都一定会收获这项技能。
课外活动：
课外活动包括一年一次的赏花，圣诞节（聚餐派对），同时还有不定期的长石素面和合宿等活动。
電子回路研究室
研究室主页：
https://www.cs.tsukuba.ac.jp/~shouno/index.html
研究室成员：
教授：1名
准教授：1名
博士：1名
研究内容：
电子电路实验室（FILLAB）正在进行被称为复合滤波器的电路研究和雷电测量研究。在20 到 30 年前有一段时间，模拟电子产品可能会被认为已经过时、性能不佳，甚至是陈旧的领域。即使是现在，这种影响似乎仍然存在。
随着数字设备的兴起，对模拟电子电路技术的需求越来越大。业内擅长数字电路的人很多，但懂模拟电路的人却很少，这是个问题。电子电路研究室主要针对一下几点进行研究：
复杂滤波器的研究
复数滤波器是一种可以处理“负频率”概念的滤波电路，应用于蓝牙等无线传感器网络。它是一种有望更小、更省电的电路技术。电子电路研究室正在研究适用于集成的有源复合滤波器和不需要直流电源的无源复合滤波器。
复滤波器测量理论
复数滤波器有两个输入端，在测量其频率特性时，需要输入等幅、90°相位差的信号。 但是，这样很难产生理想的信号，即使在测量复杂的滤波器时，输入信号也会出现误差，难以进行准确的测量。 电子电路研究室正在进行研究以阐明输入信号误差对输出信号的影响。
雷电测量研究
当闪电击中某个位置时，会在其周围产生磁场。通过将磁场的变化转换和测量成模拟电信号，可以知道闪电的性质，这是气象研究中的重要数据。电子电路研究室为了实现更精确的雷电测量系统，正在设计一种滤波器，用于测量用于雷电流测量的 Rogowski 线圈的频率特性并校正信号。
メディア工学・知能情報工学
メディア工学・知能情報工学专业主要包含以下15个研究室。
暗号理論研究室
イメージサイエンス研究室
機械学習・データマイニング研究室
計算視覚科学研究室
行動モデリング研究室☆
コンピュータビジョン研究室
多知覚メディア処理研究室
ブラックボックス最適化研究室
知能情報研究室
適応情報処理研究室
人間支援工学研究室☆
計算幾何学とグラフィックス研究室
ヒューマンコンピュテーション研究室
ヒューマンセンタードビジョン研究室☆
マルチメディア研究室
教授列表
接下来主要介绍機械学習・データマイニング研究室和コンピュータビジョン研究室。
機械学習・データマイニング研究室
研究室主页：
https://www.mdl.cs.tsukuba.ac.jp/ja/index.html
研究室成员：
教员：3名
博士：4名
修士：4名
本科：3名
研究项目：
- AI安全隐私
机器学习技术发展迅速，据说它的能力最终会超过人类的认知能力和判断能力，在不久的将来，人类专家的判断和决策将取代基于大量数据的机器学习。为了让机器学习做出重要决策（例如自动医疗、管理决策、政策决策等），它类似于人类专家做出的决策，
- AI在学习/预测中不会泄露个人信息和机密信息，
- 人工智能预测和决定不会被任意操纵以做出有利于特定人的决定，
- AI 不会做出不道德或歧视性的预测或决定等。
機械学習・データマイニング研究室正在对人工智能和机器学习算法的安全性和隐私性进行研究，例如以下内容：
1. 从用于图像识别的深度学习模型中学习图像重建
一般来说，识别图像的深度学习模型是将表示为高维向量的图像转换为高度抽象的低维特征向量进行预测和识别。因此，深度学习模型是从图像中给出识别结果, 但从识别结果中恢复原始图像似乎是不可能的。在本研究中，我们已经证明了用于训练深度学习模型的图像可以使用网络的概念来重构。这个结果表明，当使用个人信息和机密信息训练深度学习模型时，深度学习模型本身就表明存在用于学习的个人信息和机密信息的风险。下图是一个人脸识别模型重建人脸图像的例子。从深度学习模型重建学习图像用于人脸图像识别，上面一行是基努里维斯人脸图像重建的例子，下面一行是布拉德皮特。
2. 恶意软件分析支持
分析恶意软件的静态功能是一项费力的工作，需要大量人力。在本研究中，恶意软件的特点是对恶意软件的可执行文件进行成像，并使用具有注意力机制的深度学习模型对其进行训练。通过可视化可执行文件上的部分，可以有效地支持恶意软件的静态功能分析。
3. 抑制人工智能决策造成的歧视
在做出有关信贷、就业、保险等的重要决策时，如果决策依赖于个人的敏感属性（性别、种族等），则具有歧视性和不公平性。在现实世界的数据中，歧视问题仍然很严重，而人类的决定可能在不知不觉中带有歧视性。通过分析这些数据，即使在使用机器学习的决策中也会出现歧视，这是一个大问题。在这项研究中，我们开发了一种机器学习算法，即使给出了这样的数据，它也可以消除歧视。特别是在机器学习应用中，会分析过去的数据，并根据分析结果对新数据做出决策。通过理论分析，我们已经表明，即使在这种情况下，我们也可以保证不会发生歧视。
- 密码学
大数据和使用它的统计分析是支持我们生活的创新服务的来源，但如果数据包含机密信息或从个人获得的信息，则需要谨慎处理。秘密计算是将数据加密存储在另一台服务器上进行数据分析，只返回计算结果的方法。由于委托加密数据的服务器无法解密密文，因此可以仅将数据分析外包，而完全不泄露服务器数据的内容。即使数据从服务器泄露，数据也是经过加密的，所以除非解密密钥泄露，否则内容不会泄露。这种秘密计算被称为外包秘密计算。機械学習・データマイニング研究室正在研究统计分析和机器学习中的各种外包秘密计算。
- 差异隐私
当个人信息是从大量个人中收集的时候，为了保护个人信息，不可能公开个人信息，但是公开统计信息是普遍的做法。在大数据时代，通常有可能属性的数量远大于数据样本的数量，所以即使是统计信息，一旦公开，原始个人信息就有很大可能性被猜到。差分隐私是一种保证个人信息在公开时不会从大量个人信息中获得的统计值推断出来的理论。
コンピュータビジョン研究室
研究室主页：
https://home.cvlab.cs.tsukuba.ac.jp/
研究室成员：
教授：1名
助教：1名
博士：9名
修士：11名
研究项目：
コンピュータビジョン研究室将构建一个识别和理解面部、手势、动作、情境等的智能系统，并研究支持它的机器学习/模式识别和深度学习。同时还在计算机视觉、计算机图形学和融合领域进行研究。在上述大纲中，您可以根据自己的兴趣和素质设置从应用研究到基础研究的广泛主题。每年都有3到5名校外的人不断地进入コンピュータビジョン研究室。 对コンピュータビジョン研究室的研究感兴趣的同学，请联系福井教授或飯塚助教。
从工程实用性的角度来看，福井教授的研究小组旨在以均衡的方式研究模式识别、机器学习和计算机视觉相关的从理论到实践的研究。具体课题将按照上述大纲，综合考虑每个人的兴趣和能力、理论和应用之间的平衡来确定。例如，可以进行以下主题设置。
创新模式识别/机器学习理论研究：从数学方面研究基于子空间的模式识别
人脸检测与识别研究：使用多视点图像以高精度和稳定性检测和识别人脸的算法。
人体动作识别研究：使用位置不变量和多视点运动图像以高精度识别运动的方法。以及不受头部运动影响的人脸方向/视线检测原理以及使用它的界面。
机器人视觉研究：机器人如何使用运动图像和多视点图像检测和识别人及其周围环境。
深度学习与统计判别的融合：通过提高深度学习的可读性和判别性能，以及深度学习获得的特征提取和统计判别方法的最佳组合来构建一个框架。
基于仿真的系统学习方法：研究如何使用 CG 图像训练图像识别系统。 这种方法被称为 “模拟驱动模式识别”。
生物图像处理：一种使用分辨率过滤器使用强大的特征提取和识别方法（统计识别方法、深度学习）对生物图像进行高精度分析和识别的方法。
此系列持续更新中！欢迎关注！
,
