多次元時系列データに潜在する動的な因果構造のデータ駆動型推論アルゴリズムの構築

2023 Fiscal Year Research-status Report

• Project/Area Number: 22K17967
• Research Institution: Kobe University
• Principal Investigator: 井上 広明 神戸大学, 工学研究科, 助教 (10833171)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: 因果探索 / 潜在ダイナミクス推定 / 状態空間モデル / 確率的時系列解析 / データ同化 / ベイズ統計学 / 機械学習 / 人工知能

Outline of Annual Research Achievements

本研究課題では，未知の動的なシステムから観測することが可能な動的なデータに対し，観測された動的なデータの背後に存在する潜在変数，静的な因果構造の有無，動的な因果構造の有無，および動的な因果構造の因果的遅延時間を同時に推定するためのデータ駆動型アプローチの研究を行っている．

2023年度においては，2022年度に引き続き，静的な因果構造と動的な因果構造を同時に表現可能なダイナミックベイジアンネットワークを汎用的な時系列モデルである状態空間モデルとして表現しなおし，静的な因果構造と動的な因果構造を状態空間モデルのモデルパラメータとして同時に推定する方法について研究を行った．2023年度においては特に，粒子マルコフ連鎖モンテカルロ法に基づく方法を検討し，提案分布において因果的遅延時間の変化を含めた分布を考慮することにより，静的な因果構造と動的な因果構造の有無だけではなく，動的因果構造の因果的遅延時間と観測できない潜在変数の推定を同時に行う方法について研究を行った．さらに，2023年度においては，静的な因果構造と動的な因果構造の有無だけではなく，動的な因果構造の因果的遅延時間も未知とした線形なネットワークモデルから部分的に観測データが得られる状況を想定し生成した数値実験データに対し提案手法を用いることで，静的な因果構造と動的な因果構造の有無，動的な因果構造の因果的遅延時間，および観測できない潜在変数を同時に推定することが可能か検証するための実験を行った．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

2023年度の実施事項として当初に予定していた通り，静的な因果構造と動的な因果構造の有無だけでなく動的な因果構造の遅延時間も含めた推定を行ったため．

Strategy for Future Research Activity

2022年度，2023年度にはダイナミックベイジアンネットワークを状態空間モデルとして表現し，粒子マルコフ連鎖モンテカルロ法に基づく手法により静的な因果構造と動的な因果構造の有無，および動的な因果構造の遅延時間の同時推定を行った．しかしながら，現状では小規模且つ線形なネットワークでの実験に限定されているため，大規模なネットワークや非線形なモデルに対する検証を行っていく．