潜在空間最適構成理論の構築と経済学、医学、生成系AIへの応用

• Project/Area Number: 24H00703
• Research Category: Grant-in-Aid for Scientific Research (A)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Medium-sized Section 61:Human informatics and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: 山西 健司 東京大学, 大学院情報理工学系研究科, 教授 (90549180)
• Co-Investigator(Kenkyū-buntansha): 朝岡 亮 聖隷クリストファー大学, 看護学研究科, 臨床教授 (00362202) ; 谷戸 正樹 島根大学, 学術研究院医学・看護学系, 教授 (30284037) ; 久野 遼平 東京大学, 大学院情報理工学系研究科, 講師 (60725018) ; 木脇 太一 高知大学, 教育研究部自然科学系理工学部門, 准教授 (70786011)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥45,240,000 (Direct Cost: ¥34,800,000、Indirect Cost: ¥10,440,000); Fiscal Year 2025: ¥14,950,000 (Direct Cost: ¥11,500,000、Indirect Cost: ¥3,450,000); Fiscal Year 2024: ¥16,380,000 (Direct Cost: ¥12,600,000、Indirect Cost: ¥3,780,000)
• Keywords: 潜在空間 / 機械学習 / 記述長最小原理 / 緑内障 / 生成系AI

Outline of Research at the Start

AI・データサイエンスでは、大量のデータから有用な知識を抽出することが求められている。そのため、実データを「潜在空間」に埋め込むことで、その特徴を表現し、これを実際のタスク（分類、予測、異常検知等）に活用されてきた。その際、従来では潜在空間は予め与えられたものとして扱われてきた。しかしながら、潜在空間の幾何学的構造、次元、表現モデルをどのように選ぶか？といった、潜在空間の最適構成の方法論については深く研究されてこなかった。本研究では、潜在空間の最適構成に関して情報論的学習理論と非ユークリッド幾何学に基づく統一的な理論を構築し、これを経済学、医学、生成系AIに展開して、有効性を実証する。