高次元機械学習への統計力学的アプローチ

• 研究領域: 「学習物理学」の創成－機械学習と物理学の融合新領域による基礎物理学の変革
• 研究課題/領域番号: 22H05117
• 研究種目: 学術変革領域研究(A)
• 配分区分: 補助金
• 審査区分: 学術変革領域研究区分(Ⅱ)
• 研究機関: 東京大学
• 研究代表者: 樺島 祥介 東京大学, 大学院理学系研究科(理学部), 教授 (80260652)
• 研究分担者: 小渕 智之 京都大学, 情報学研究科, 准教授 (40588448) ; 吉野 元 大阪大学, サイバーメディアセンター, 教授 (50335337) ; 坂田 綾香 統計数理研究所, 統計基盤数理研究系, 准教授 (80733071)
• 研究期間 (年度): 2022-06-16 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 134,160千円 (直接経費: 103,200千円、間接経費: 30,960千円); 2024年度: 26,390千円 (直接経費: 20,300千円、間接経費: 6,090千円); 2023年度: 26,520千円 (直接経費: 20,400千円、間接経費: 6,120千円); 2022年度: 26,910千円 (直接経費: 20,700千円、間接経費: 6,210千円)
• キーワード: レプリカ法 / キャビティ法 / 深層学習 / アルゴリズム開発 / 性能分析

研究開始時の研究の概要

機械学習では、データに学習パラメータをフィットさせることで、その背後に潜む規則を学習器に写し取ります。近年、データが大量かつ高次元化することに伴い、学習器に用いられる関数も多数のパラメータを含む複雑なものへと進化してきました。こうした進化はフィッティングに要する計算コストの増大や複雑性に伴う性能保証の難しさという課題を生み出しています。我々の研究ではこれらの課題を統計力学の概念や技術を用いることで解決します。