2023 Fiscal Year Annual Research Report
Evolutionary Search of Structured Data by Using Deep Graph Kernels
| Project/Area Number |
20K12000
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
半田 久志 近畿大学, 情報学部, 教授 (60304333)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | deep graph kernel / 進化計算 / 有機薄膜太陽電池 / 進化型多目的最適化 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、グラフの探索を進化計算にて行うものである。先行研究のEDA-GKでは、特徴空間で問題を捉えることにより，遺伝子型から表現型への写像の凸 凹さを解消できていると考えられる.ところが，研究を押し進めていく上で，先行研究のEDA-GKでは，カーネル関数が対象としている特徴空間によって，問題に よっては機能しないことが判ってきた.例えば，前ページの最小パス距離カーネルの場合，解が全結合に近いグラフであった場合，任意のノード間の距離がほと んど1となり，最適解付近のグラフのヒストグラムに違いがなくなる.結果，ランダムなエッジの追加・削除によるランダム探索に近い挙動を示すことになる. そ こで，本研究課題では，Deep Graph Kernelの利用を検討する.Deep Graph Kernelはグラフカーネルが対象とする特徴に対して，それらの関係性も学習する も のである.word2vecにあるような単語の埋め込みをグラフに拡張したものである.特徴空間を構成するときに，特徴間の関係を埋め込むことより，カーネル関 数 の特性に左右されない安定した探索を実現する.本研究課題では、QDFという深層学習の一種を用いることにより，より大規模な 分子構造をもつ解に対して系統的な探索が適用できるようになった。このことを拡張して、NSGA-IIによる進化型多目的最適化への拡張をおこなった。第一目的関数として光吸収量の多さ、そして第二目的関数として、合成のしやすやを考慮したアプローチをとった。multiobjectivezationのような結果も得られ、元々の目的関数で単一目的で最適化した時よりも良い結果が得られた。また、QDFの精度向上には学習データの質向上が必要と考え、学生に謝金を払う形で、データの整理をおこなった。
|
