Theoretical development of non-sparse high-dimensional statistics for statistical understanding and utilization of large-degree-of-freedom models

Research Project

Project/Area Number	24K02904
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 60030:Statistical science-related Basic Section 61030:Intelligent informatics-related Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
Research Institution	The University of Tokyo
Principal Investigator	今泉允聡東京大学, 大学院総合文化研究科, 准教授 (90814088)
Co-Investigator(Kenkyū-buntansha)	植松良公一橋大学, 大学院ソーシャル・データサイエンス研究科, 准教授 (40835279) 仲北祥悟東京大学, 大学院総合文化研究科, 特任助教 (80855114) 矢田和善筑波大学, 数理物質系, 教授 (90585803)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000) Fiscal Year 2026: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000) Fiscal Year 2025: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000) Fiscal Year 2024: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Keywords	大規模モデル / 高次元統計学 / 非スパースモデル / 深層モデル / 統計的推定・推論
Outline of Research at the Start	超大規模モデルを用いたデータ解析技術が、目覚ましい発展を遂げている。特に深層ニューラルネットワークは人工知能技術の一端を担い、社会に大きな影響を及ぼそうとしている。それに伴い、これらの超大規模モデルを数学的に理解・制御し、頑健性やプライバシー保護性といった適切な性質を担保することの重要性が増大している。本研究では、統計学の観点から大規模モデルを非スパース高次元統計モデルとみなし、その実用に向けた基盤理論の構築を行う。非スパースな高次元モデルはその数学的性質が十分には解明されていない。これらの数学的基盤を構築することで、統計的推論や適切な安定化手法といった実用的な統計手法開発を推進する。