研究課題/領域番号 |
20H04244
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 京都大学 |
研究代表者 |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2023年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2021年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2020年度: 5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)
|
キーワード | 機械学習 / 人工知能 / 因果推論 / グラフ / 意思決定 / 深層学習 / グラフ構造データ / グラフ深層学習 |
研究開始時の研究の概要 |
社会実装が進む機械学習技術が一層の発展を遂げるために必要なのが、現実世界に現れる複雑なデータへの対応と、これらに基づく意思決定への直接的貢献である。本研究では、機械学習の適用範囲を一層拡大するべく、複雑な関係構造をもつデータを扱うグラフ深層学習法を発展させるとともに、より直接的に意思決定に寄与するデータ解析手法として、因果推論に着目し、様々な複雑な状況に対応できる因果効果推定法の研究を行う。
|
研究成果の概要 |
まず、機械学習の適用可能性を広げることを目的として、グラフ構造データを対象とした深層学習法の高性能化を目指し、従来のモデルよりも表現力の高いモデルと、その効果的な学習法の開発を行った。また、データに基づく意思決定の適用範囲を大きく広げることを狙って、交絡変数が未知である状況における因果効果推定、因果効果推定の化学分野への応用、少量データに対する予測技術の開発等を行った。さらに、グラフ深層学習と因果推論を融合し、グラフ構造をもった介入の因果効果推定や、グラフ上の因果効果推定法を開発した。
|
研究成果の学術的意義や社会的意義 |
グラフ構造データは、ソーシャルネットワーク、分子構造、交通網など多様な分野で見られる。高い性能をもつグラフ深層学習モデルの開発、さらには深層因果推論手法との融合によって、これらの分野におけるより高度な意思決定を可能とし、新薬の発見、交通最適化、社会的ダイナミクスの理解など様々な実世界応用の可能性をもつ。
|