信頼できる深層アルゴリズム展開：理論保証と計測データ解析応用

• Project/Area Number: 25K03136
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Institute of Science Tokyo
• Principal Investigator: 小野 峻佑 東京科学大学, 情報理工学院, 准教授 (60752269)
• Co-Investigator(Kenkyū-buntansha): 田中 雄一 大阪大学, 大学院工学研究科, 教授 (10547029) ; 平松 光太郎 九州大学, 理学研究院, 准教授 (60783561)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000); Fiscal Year 2027: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000); Fiscal Year 2026: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000); Fiscal Year 2025: ¥7,800,000 (Direct Cost: ¥6,000,000、Indirect Cost: ¥1,800,000)
• Keywords: 深層展開 / 計測データ解析 / 近接分離最適化

Outline of Research at the Start

計測データ解析に用いられる最適化アルゴリズムのパラメータ群をデータから深層学習的に決定することで反復回数を大幅に削減する深層アルゴリズム展開（DAU）と呼ばれる技術が存在するが、「何の理論保証もない」という致命的な問題を抱えている。そこで本研究では、まず、単調写像理論と可変計量法に基づいて「DAUの各層で計算される暫定解の列が目的の最適化問題の解へ漸近すること」を保証できる条件を解明する。次に、この条件を満たすようにパラメータ群を学習する手法を開発する。そして、本手法を環境センシングデータ・ラマン分光計測データの解析へ応用することで信頼性と有効性を検証する。