大規模基盤モデルの革新的原理解明と方法論の新展開

• Project/Area Number: 24K02905
• 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: 鈴木 大慈 東京大学, 大学院情報理工学系研究科, 教授 (60551372)
• Project Period (FY): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,070,000 (Direct Cost: ¥13,900,000、Indirect Cost: ¥4,170,000); Fiscal Year 2028: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2027: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2026: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000); Fiscal Year 2025: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 機械学習 / 深層学習 / 統計的学習理論 / 基盤モデル

Outline of Research at the Start

生成基盤モデルは大きな成功をおさめ，日本政府も国家戦略としてその開発を支援する政策を進めている．本研究課題は，理論面から大規模基盤モデルの動作原理を解明し，当該分野に貢献することを目指す．特に，統計理論・最適化理論・応用への展開という三つのテーマを中心に研究を進める．
(1) 統計理論：大規模基盤モデルの性質を統計的学習理論の観点から解明し，その最適性および限界を理論的に特徴づけ，改善案を提案する．
(2) 最適化理論：深層基盤モデル全般に適用可能な最適化理論を構築する．
(3) 理論の応用への展開：理論研究を実応用へ還元すべく，手法の改善および基盤モデルの新しい利用方法を模索する．