• 京都大学鹿島・山田研に所属する博士一年生です。
• 高校生・学部生の頃は競技プログラミングに熱中していました。
  • AtCoder : joisino
• 興味: 離散データに対する機械学習、最適輸送、離散アルゴリズム
• 論文:
  • 国際会議（査読あり）:
    1. Ryoma Sato. Retrieving Black-box Optimal Images from External Databases. WSDM 2022.
    2. Ryoma Sato. Enumerating Fair Packages for Group Recommendations. WSDM 2022. [arXiv]
    3. Yuki Takezawa, Ryoma Sato, Makoto Yamada. Supervised Tree-Wasserstein Distance. ICML 2021. [arXiv]
    4. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Random Features Strengthen Graph Neural Networks. SDM 2021. [arXiv]
    5. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Fast Unbalanced Optimal Transport on a Tree. NeurIPS 2020. [arXiv]
    6. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Approximation Ratios of Graph Neural Networks for Combinatorial Problems. NeurIPS 2019. [arXiv]
    7. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Learning to Find Hard Instances of Graph Problems. ACML 2019. [arXiv]
    8. Ryoma Sato, Hisashi Kashima, Takehiro Yamamoto. Short-Term Precipitation Prediction with Skip-Connected PredNet. ICANN 2018.
  • 国際ジャーナル（査読あり）
    1. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Constant Time Graph Neural Networks. TKDD 2022. [arXiv]
  • プレプリント:
    1. Yuki Takezawa, Ryoma Sato, Zornitsa Kozareva, Sujith Ravi, Makoto Yamada. Fixed Support Tree-Sliced Wasserstein Barycenter. arXiv preprint 2021. [arXiv]
    2. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Re-evaluating Word Mover’s Distance. arXiv preprint 2021. [arXiv]
    3. Ryoma Sato. Private Recommender Systems: How Can Users Build Their Own Fair Recommender Systems without Log Data? arXiv preprint 2021. [arXiv]
    4. Ryoma Sato, Makoto Yamada, Hisashi Kashima. Poincare: Recommending Publication Venues via Treatment Effect Estimation. arXiv preprint 2020. [arXiv]
    5. Mathis Petrovich, Chao Liang, Ryoma Sato, Yanbin Liu, Yao-Hung Hubert Tsai, Linchao Zhu, Yi Yang, Ruslan Salakhutdinov, Makoto Yamada. Feature Robust Optimal Transport for High-dimensional Data. arXiv preprint 2020. [arXiv]
    6. Ryoma Sato. A Survey on The Expressive Power of Graph Neural Networks. arXiv preprint 2020. [arXiv]
    7. Ryoma Sato, Marco Cuturi, Makoto Yamada, Hisashi Kashima. Fast and Robust Comparison of Probability Measures in Heterogeneous Spaces. arXiv preprint 2020. [arXiv]
• 受賞:
  • 2019 年度 IBISML研究会賞
  • IBIS 2019 学生最優秀プレゼンテーション賞
  • NeurIPS 2019 Travel Award
• 査読業務:
  • ICML Reviewer 2020, 2021
  • NeurIPS Reviewer 2020, 2021
• 学歴:
  • 京都大学 情報学研究科 博士（情報学） 2021- (在学中)
  • 京都大学 情報学研究科 修士（情報学） 2019-2021
  • 京都大学 工学部 情報学科 学士（工学） 2015-2019
• そのほか活動（競技プログラミング関連）:
  • ACM-ICPC World Finals 2020 Coach
  • ACM-ICPC World Finals 2019 Contestant
  • ACM-ICPC Asia Jakarta Regional Contest 2018 2nd place (Gold Medal)
  • 国際情報オリンピック 2018 Host Technical Comittee
  • 国際情報オリンピック 2017 日本選手団副団長
  • 国際情報オリンピック 2014 銅メダル
  • 日本情報オリンピック 2014 金メダル
• GitHub / Google Scholar / dblp / Twitter / ブログ
• メール: r.sato ζ*‘ヮ’)ζ ml.ist.i.kyoto-u.ac.jp （ζ*‘ヮ’)ζ を @ で置き換えてください）
• 趣味のページ