| 研究課題/領域番号 |
22K21278
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 神戸大学 |
|---|
研究代表者 |
小松 瑞果 神戸大学, システム情報学研究科, 助教 (80856766)
|
|---|
| 研究期間 (年度) |
2022-08-31 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | SciML / 深層学習 / 応用代数 / 微分方程式 / 時系列データ / データ駆動型モデリング / 代数的可観測性 / ニューラルネットワーク / 解釈性 / 状態空間モデル / 代数 / 因果 / 解釈可能性 |
|---|
| 研究開始時の研究の概要 |
近年，計測技術や機械学習技術の進歩に伴い，データ駆動型のモデリングが多数提案されている．このようなモデリングによる科学的知見の抽出は，個別の問題において試みられてはいるものの，体系的な研究は少ない．そこで，本研究では，現象に関する意味が与えられた解釈可能なモデルパラメータや，現象に内在する因果の扱いに焦点をおき，データからこれらを抽出するためのモデリングに関する，代数に基づく基礎研究を行う．
|
| 研究成果の概要 |
近年，機械学習と計算科学の複合領域において，両分野の技術を連携する手法に関する研究が進んでいる．この分野において，モデルの解釈性や現象における因果の扱いに関して，発展の余地があると考えられる．そこで，本研究では，観測された時系列データから，現象に関する科学的知見の獲得を目指すモデリングにおいて，これらの観点に着目したいくつかの手法を構築した．特に，現象が従う微分方程式の少なくとも一部が既知の場合に有効な，代数的パラメータ推定手法と，支配方程式が未知の場合に有効な，深層学習べースの手法を構築した．
|
| 研究成果の学術的意義や社会的意義 |
時系列データから現象に関する知見の獲得を目指す場合，用いられるモデルとして，支配方程式のような解釈性の高いモデルと，深層学習ベースの解釈性の低いモデルがある．前者に関して，モデルの構造によっては，データからパラメータが一意に定まらず，解析結果の信憑性が担保されないという問題がある．本研究では，これを回避すべく代数に基づく推定手法を提案した．後者に関して，時系列グラフ等を導入し解釈性を向上した．
|
