Basic research on interpretability and causality in modeling time-dependent phenomena
| Project/Area Number |
22K21278
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
1001:Information science, computer engineering, and related fields
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
小松 瑞果 神戸大学, システム情報学研究科, 助教 (80856766)
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | SciML / 深層学習 / 微分方程式 / 応用代数 / 時系列データ / データ駆動型モデリング / 代数的可観測性 / ニューラルネットワーク / 解釈性 / 状態空間モデル / 代数 / 因果 / 解釈可能性 |
|---|
| Outline of Research at the Start |
近年，計測技術や機械学習技術の進歩に伴い，データ駆動型のモデリングが多数提案されている．このようなモデリングによる科学的知見の抽出は，個別の問題において試みられてはいるものの，体系的な研究は少ない．そこで，本研究では，現象に関する意味が与えられた解釈可能なモデルパラメータや，現象に内在する因果の扱いに焦点をおき，データからこれらを抽出するためのモデリングに関する，代数に基づく基礎研究を行う．
|
| Outline of Annual Research Achievements |
近年，機械学習と計算科学（科学技術計算）の複合領域において，両分野の技術を駆使した研究が盛んに行われている．特に，従来，計算科学の分野で扱われていた，支配方程式に基づく時間発展型の現象のモデル化に加え，機械学習の技術を導入した手法が数多く提案されつつある．このような分野はScientific Machine Learningなどと呼ばれている．この分野において，モデルの解釈性や現象における因果の扱いに関して，発展の余地があると考えられる．このような背景のもと，本研究では，観測された時系列データから，現象に関する科学的知見の獲得を目指すモデリングにおける，モデルの解釈性や現象における因果の扱いなどに焦点をおく．特に，現象が微分方程式に従うと仮定する場合を主な対象とし，(A)方程式の少なくとも一部が既知の場合と(B)未知の場合のそれぞれに関して研究を行った．
(A)に関して代数的手法に基づく，解釈可能なパラメータの手法をいくつか構築し，その応用に取り組んだ．
計画当初は，時系列データに適合する微分方程式のモデルパラメータを網羅的に推定する手法の理論拡張を想定していたが，応用上の意義を再検討の上，生命科学現象への応用展開を進めた．また，最終年度には，ここで用いた代数的手法を応用し，物理系を用いた計算機の設計への応用と，未観測変数がある場合にも有効な深層学習ベースのパラメータ推定手法の構築を行った．
(B)に関しては，主に最終年度に取り組んだ．具体的には，スポーツデータの解析を対象に，時系列グラフを導入した深層学習モデルを提案し，予測精度と解釈性の向上に取り組んだ．また，生命科学現象のモデリングを対象に，深層学習に基づくオペレータ学習を行ったが，解釈性の調査については今後の課題となった．
|
Report
(2 results)
Research Products
(15 results)
