| 研究課題/領域番号 |
24K21416
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分7:経済学、経営学およびその関連分野
|
|---|
| 研究機関 | 神戸大学 |
|---|
研究代表者 |
阪本 浩章 神戸大学, 経済学研究科, 准教授 (80758996)
|
|---|
| 研究期間 (年度) |
2024-06-28 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2026年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2025年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2024年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
|
|---|
| キーワード | 深層学習 / 動学経済 / 気候変動 |
|---|
| 研究開始時の研究の概要 |
本研究では，動学経済モデルにおける「次元の呪い」を深層学習の手法によって克服する方法を模索する．動的計画法に適用可能なアルゴリズムやアーキテクチャを網羅的に評価し，動学経済分析における深層学習アプローチの可能性と限界を明らかにする．
|
| 研究実績の概要 |
研究計画に則り，動学経済モデルに応用可能な深層学習の手法を調査した．とくに，ニューラルネットワークと呼ばれる重層的な合成関数を用いて，価値関数を近似的に表現する手法を精査した．この手法は，次元の増加に対する計算量の増加がたかだか線形的であるため，要求される計算量が指数的に増加する従来の方法に比べて，とくに高次元の計算問題の解法として理論的な優位性を持つ．具体的な応用例として，代表的な気候経済モデルであるDICEモデルについて，パラメタに不確実性がある場合に，深層学習の手法がどれだけ有効かを検討した．ニューラルネットワークを用いたアプローチでは，従来の手法に比べて数値計算のパフォーマンスが飛躍的に向上することが分かった．一方で，現時点で用いているコードは経済モデルへの応用に最適化されていないため，今後の研究で改善していく余地も大きいことが分かった．また，深層学習アプローチの強みをより活かすことができる統合評価モデルを開発するために，独自の気候エミュレータの開発可能性についても検討した．その中で，近年の気候科学の知見をより詳細に反映させるためのデータ取得やカリブレーションのパイプラインを整備した．研究成果の一部は，学会における研究報告や学術誌に論文として公表した．また，RICEモデルのように複数の意思決定主体が存在する動学ゲームについても，同様の手法を応用するための理論的な枠組みの開発に着手した．
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
当初の計画通りに調査と実験を進められており，国際学会や国内学会で研究成果を報告することができた．
|
| 今後の研究の推進方策 |
今後はより網羅的に様々なアプローチを採用することで，動学経済モデルにおける深層学習アプローチが持つ優位性と課題について体系的に明らかにする．
|
