トンビは鷹を生むし、東大教授は東大教授を生む


 
【イントロ】
師匠って大切ですよね。
るろうに剣心の比古清十郎だったり、キノの旅の師匠だったり、ドラゴンボールの亀仙人だったり、機動武闘伝Gガンダムの東方不敗だったり。
教え導いていくれる人、目標とする人という存在は、自分の歩む人生の道標になりえます。
先行きのみえない人生、その道標となる師匠の存在は今後重要になってくるのではないでしょうか。
「ああいう風になりたい！」というベンチマークをうまく使って、よりよい人生のおくり方を見つけていきたいですね。
はぁ、計画的に人生をおくりたい。

そこで今回の記事では、研究者にとっての師匠ともいえる指導教官の研究家系図を作成してみました。あの有名な先生は、どんな師匠の元で育ち、現在活躍されているのか？
気になったことは調べたくなりますよね。

【方法】
今回、対象はいつもの例に従って東大工学部物理工学科の教員の方々としました。
調査方法は、CiNiiの博士論文検索と各大学の学位データベース、Wikipedia、各種記事、論文等から指導教官の名前を調査、推測しました。調査は2020/6月に実施したものになっています。大体の先生は3世代ほど遡ると昭和初期以前に博士号を取得された方が指導教官となり特定することを断念しました。別の方法が必要ですね。無念。
※指導教官が不明な一部の先生は、博論審査の主査の方を指導教官として扱っています(2022/1/24追記)

【結果】
表１に物工教員の指導教官を４世代さかのぼった結果を示しています。
４世代遡ると、久保亮五や寺沢寛一といった往年の有名学者や、ラーモアやヴァン・ヴレックなど歴史的に有名な物理学者の名前をみられ、東大教員の研究家系は豪華なものであることが見て取れます。

表、東大教員の家系図（指導教官の博論主査を記載している場合もあります）

次に、各教員の出身大学を調べたのが表２です。並びは表1と同じになっています。大学別に色分けしてみましたが、東大が多いですね。幸せの黄色い東大です。一部海外大学、京大、阪大、東工大といった他の大学もありますが、ぱっとみ8割位東大出身にみえます。東京教育大学はいまの筑波大でしょうか？
トンビが鷹を生むならぬ、東大教員が東大教員を生むといった印象です。



実際どれくらいの割合なのか、まとめたのが表3です。


やはり8割位の教員が東大のご出身のようです。すごいですね、圧倒的人材輩出力です。東大教員になるには東大で博士号を取得するのが大切に思えてしまいますね。まあ、東大の博士のみなさんが優秀すぎるということですね。優秀な存在の拡大再生産という趣です。

【まとめ】
今回は、東大物工教員の研究家系図を調べてみました。指導教官には歴史の教科書で見たことのある名前や、ノーベル賞受賞者もいて錚々たる系譜でした。偉大な先生は偉大な弟子が集まり、さらに新しい歴史を刻んでいくということでしょうか。
オレも歴史を刻みたい。。。

【参考文献】
・CiNiiの博士論文検索
・東京大学大学院理学系研究科・理学部　物理学専攻学位論文
・The Academic Genealogy of Physics 
・人との出会いに恵まれ 
・多様化時代の物性科学--理学と工学の区分を超えて--
・犬井鉄郎
・寺沢寛一
・森正武先生追悼特集(3)：偲ぶ言葉
・Ashvin Vishwanath
・Copolymerization of carbon dioxide and epoxide with organometallic compounds
Shohei Inoue  Hideomi Koinuma  Teiji Tsuruta
First published: 29 December 1969
・岸尾光二
・Nonlinear Optical Properties of Polysilanes
Tatsuo Hasegawa,Yoshihiro Iwasa,Hideo Kishida,Takao Koda,Yoshinori Tokura,Hiroaki Taceibana &Yasujiro Kawabata
Pages 25-30 | Published online: 04 Oct 2006
・第23回（2009年度）独創性を拓く　先端技術大賞　受賞者
・西川正治
・分子科学の重み（PDF)
・Magnetic Properties of V/Ag Multilayered Superconductors
 Hiromasa MAZAKI, Kazushi KANODA, Nobuyoshi Hosorro, 
・ペロブスカイト型マンガン酸化物薄膜におけるテラヘルツ波物性
・杉本　宜昭　
・Search Query: All: shin-ichi uchida (JPSJ)

コメント

コメントを投稿

このブログの人気の投稿

交代磁性があるのかないのかどっちなんだい！～RuO2の場合～

イメージ
 【イントロ】 博士「はぁ～交代じゃ、交代じゃ」 学生「どうしたんですか？キャバクラですか？」 博士「違う違う違う違う今日は違う！交代は交代でも、交代磁性のことを調べておったんじゃ」 学生「交代磁性？」 博士「なんじゃ知らんのか？交代磁性とは、強磁性と反強磁性に次ぐ第三の磁性として最近発見された、新しい磁気状態のことなんじゃ。」 学生「知ってますよ、 Šmejkal（流暢な発音）が提案 してるやつでしょ？強磁性体のようにバンド構造にスピン分裂が生じるけれど、反強磁性体のようにNetの磁性はゼロとなっている、副格子間の反強磁性状態と解釈できる磁性体のことですよね。」 博士「そうじゃ、Šmejkal（流暢な発音）達の提案が大きなきっかけとなった研究分野じゃな。なんじゃ、知っとるじゃないか」 学生「当然です。中学入試程度です。交代磁性って、 MnTe や CrSb 、それに RuO2 で確立された概念じゃないんですか？」 よく見ると(b)がない（ 引用元 ） 博士「 どこ中出身 じゃ。。。うむ、それらの物質でARPESが行われ、交代磁性の特徴の1つであるバンド構造の巨大なスピン分裂が観測されて Nature や PRB に報告されるなど研究が加熱しておる。」 学生「ならいいんじゃないですか？流行物質どんとこい。ビッグウェーブに乗って論文を量産するタイミングですよ。h-index稼ぎましょう」 博士「しかし、そのうちの１つ、RuO2が実は交代磁性体ではなく、非磁性体なのではないかという報告がなされ議論を呼んでおるのじゃ。」 学生「どういうことですか？？？RuO2は 異常ホール効果 が見えたり、 REX（共鳴弾性X線散乱） や 中性子散乱実験 で反強磁性秩序がすでに観測されたんじゃないんですか？？？陰謀ですか？？？？」 博士「それでは今回は、独ヴュルツブルク大学のPhilipp Keßler博士らによる論文、 Philipp Keßler, et al. , Absence of magnetic order in RuO2: insights from μSR spectroscopy and neutron diffraction , arXiv:2405.10820 を読んでいくかのお」 学生「Absence論文、盛り上がるやつですね」 【どんな実験したの？】
続きを読む

狂気！室温超伝導体は脳内にあった！！！

イメージ
 【イントロ】 博士「これはすごい・・・これはすごいぞ！！！」 学生「どうしたんですか？自分の愚かさのことですか？」 博士「そうではない！ワシは出会ったんじゃ！科学史上最高の論文に！」 学生「どんな論文ですか一体」 博士「なんと 室温超伝導体 が見つかったという話じゃ！」 学生「え！室温超伝導体といえば、室温で電気抵抗がゼロになる物質で、世界を支えるエレクトロニクスに不可避なエネルギーの散逸、発熱の問題を一気に解決し、 世界のエネルギー問題を救うキーテクノロジーになる物質 じゃないですか！」 博士「その通りじゃ！」 学生「気になってきました、早く教えて下さい、その論文！」 博士「うむ…驚くなよ、なんと、 生物の脳の中では超伝導状態が実現しておる のじゃ！！！」 学生「・・・」 博士「ふふふ、あまりの衝撃に言葉もないようじゃな。」 学生「あの」 博士「では、今回は、 P. Mikheenko, Possible Superconductivity in the Brain , Journal of Superconductivity and Novel Magnetism, 2018, No 5, p. 1121-1134 （ Arxiv版 ） を読んでいくぞい！」 学生「帰っていいですか？」 【論文誌がすごい！】 博士「まずは、この論文のなにが凄いかといえば、査読を通って論文誌に掲載されておるのじゃ」 学生「ほんとですよ、どうなってんですか」 博士「そして、掲載された Journal of Superconductivity and Novel Magnetismの2022年度のImpact Factor は1.8なんじゃ。これがどういうことかわかるか？」 学生「そ、それは日本の物理学会が発行するJournal of the Physical Society of Japan、いわゆる JPSJのImpact Factor 、1.7を超えています・・・！」 博士「そうじゃな、つまり論文誌としての影響力としてはJPSJよりも大きな雑誌に掲載された論文ということじゃ」 学生「JPSJもっとがんばってくださいよ」 博士「しかもこの論文は8回も引用されておる」 学生「 みなしPRL じゃないですか・・・」 博士「これだけで如何にこの論文が本物であるか納得してもらえ
続きを読む

まだ最小二乗法で消耗してるの？ ～Passing Bablok法について～

イメージ
【イントロ】 与えられたデータの傾向を見る、つまり回帰分析の一つとして、直線でフィッティングする方法が挙げられます。 ココで問題となるのが、「どうやって直線の傾き(と切片)を求めるか」という点です。 代表的な方法が最小二乗法です。目的の直線を $y=ax$ と仮定します。データ点$y$と求めたい直線との差の二乗を誤差として、すべての点に対する誤差の和を最小化する傾き$a$を求める方法です。 具体的には誤差の和を $E=\sum_{i=1}^{n}(y_i－ax_i)^2$ とすると、$a$について最小値が欲しいので、 $\frac{\partial E}{\partial a}=0$ となる$a$を求めれば良いです。整理すると、 $a=\frac{\sum_{i=1}^{n}(x_i－x_{average})(y_i－y_{average})}{\sum_{i=1}^{n}(x-x_{average})^2}$ となります。 　最小二乗法は直観的にもちょうどよい直線を見つけてくれそうで、最強の方法に見えます。しかし、 いくつかの課題 があります。まず一つが、外れ値に弱いという点です。えっちですね。つまり、ノイズ等の影響でデータ点の集合から大きくハズレた点が存在すると、その点に引きずられて傾き$a$が大きく変化してしまうという点です。 　また、別の問題として、最小二乗法は暗にデータが正規分布に従った誤差を持つことを仮定している点が挙げられます。今回最小化すべき誤差をデータ点と直線の差の二乗和として与えましたが、これはデータ点の周りに分散一定の誤差が正規分布している場合に導かれる最尤推定解と対応しています。詳細は PRML を参照。 さて、それではこうした最小二乗法の呪縛から解き放たれた、 回帰モデルは存在するでしょうか？そうしたモデルとしては 主成分分析 等があります 本記事では、そうした手法の中でもノンパラメトリック回帰モデルの一つである”Passing-Bablok法”について、 原論文 に従った解説とPythonでの実装に取り組みました。 【方法】 Passing-Bablok法はその名の通り、PassingとBablok(PB)により提案された、一次の比例関係を比較するノンパラメトリック回
続きを読む