ジョージ・スギハラは、スクリップス海洋研究所の生物海洋学および複雑系学の教授であり、同研究所の初代マッククォウン自然科学講座教授である。[ 1 ]
彼の研究は、観測データから自然を理解するための帰納的理論的アプローチを伴います。一般的なアプローチはほとんどの理論とは異なり、最小限の仮定を用いた帰納的データ駆動型自然探究であるミニマリスト帰納理論を伴います。その目的は、演繹的第一原理モデルの必然的な仮定を回避し、サンプル外予測の検証テストに合格する理解を生み出すことです。複雑で混沌としたシステムとしての漁業に関する彼の初期の研究は、金融ネットワークと混沌システムの予測に関する研究につながりました。[ 2 ]
研究対象分野は、複雑系理論、非線形力学、生態学、潜在性病理学、食物網構造、種の個体数パターン、保全生物学、生物的防除、神経科学、疫学、地球科学、経験的気候モデリング、定量金融、経済学、漁業予測、および漁業向けデリバティブ市場の設計と実装など多岐にわたります。
杉原氏はミシガン大学で自然資源学を学び、1973年に理学士号を取得した。プリンストン大学ではロバート・メイ教授のもとで数理生態学を学び、1980年に生物学の修士号、1983年に数理生物学の博士号を取得した。
プリンストン大学在籍中、彼は階層的な群集構造における規則性を、順次分割されたニッチによって表現することで明らかにし、種の豊富さに関する重要な貢献をした。階層構造は、群集構造の最小形態を表し、種の多様性を生み出す進化的および生態学的要因に由来し、観察された豊富さの構造を説明する。[ 3 ]
杉原氏はオークリッジ国立研究所のウィグナー賞フェロー[ 4 ]としてキャリアをスタートさせ、同時にテネシー大学の数学准教授も務めた。特筆すべき貢献は、食物網における種の特化の増加とリジッドサーキット特性を組み合わせることで、種が複数のギルドをまたいでではなく、個々のギルドやクリーク内で付着することによって群集に侵入するという規則につながるという位相的/グラフ理論的証明である[ 5 ] 。
1986年、彼はスクリップス海洋研究所(SIO)に入所し、 1990年から1995年までカリフォルニア大学サンディエゴ校のジョン・ダブ・アイザックス自然哲学講座教授を務めた。2007年からは、スクリップス海洋研究所のマッククォウン自然科学教授を務めている。
杉原氏は、コーネル大学、インペリアル・カレッジ・ロンドン、京都大学、東京工業大学で客員教授を務め、 2002年にはオックスフォード大学マートン・カレッジの客員研究員を務めた。また、米国科学アカデミーの数理科学とその応用に関する委員会の委員も務めた。
初期の研究には、生態系や社会システムのトポロジーとアセンブリ[ 6 ]、および一見異なる多くの種類のシステムに適用できる臨界遷移の一般的な早期警告サイン[ 7 ]が含まれていました。
彼の最も学際的な貢献の1つは、ロバート・メイと共に開発した非線形およびカオスシステムの予測方法に関する研究である。[ 8 ] [ 9 ]これにより彼はドイツ銀行の投資銀行業務の分野に進出し、そこでこれらの理論的手法を不規則な市場行動の予測に応用した。
彼はPrediction CompanyとQuantitative Advisors LLCの設立に協力し、金融セクターのシステミックリスクに関する国際安全保障の問題について、イングランド銀行、ニューヨーク連邦準備銀行、連邦準備制度のコンサルタントを務めてきた。 [ 10 ] [ 11 ]
彼はまた、天然資源管理と政策策定にも大きく貢献した。[ 12 ]彼は世界で最も価値のある漁業の一つである東部ベーリング海およびアリューシャン列島のアラスカスケトウダラ漁船団から、サケの混獲回避のための市場インセンティブ計画である包括的インセンティブ計画(CIP)の設計を依頼された。 [ 13 ]彼は、2010年に実施された計画の枠組みを開発し、アラスカ西部の在来サケ漁業を保護し、サケの混獲の大幅な減少をもたらした。[ 14 ]
その他の貢献としては、生態系のトポロジーとアセンブリ、社会システムのダイナミクス[ 15 ]、および一見異なる多くのクラスのシステムにわたる重要な遷移の一般的な早期警告サインに関する研究[ 16 ]などがあります。
データ駆動型の実用的な分析および予測ソリューションに焦点を当て、彼は経験的動的モデリングを開発しました。これは、複雑な非線形システムの分析と予測に広く適用できる一連のツールとテクニックです[ 17 ] [ 18 ]。特に重要で広く使用されているツールは、収束クロス マッピングです。これは、非線形 (状態依存) の複雑なシステムでは正当化または有益ではない可能性のある相関係数などの統計的推定値ではなく、データの根底にあるダイナミクスで表現される因果関係を定量化 する方法です[ 19 ] 。 [ 17 ]