| 研究領域 | データ記述科学の創出と諸分野への横断的展開 |
|---|
| 研究課題/領域番号 |
23H04484
|
|---|
| 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 | 京都大学 |
|---|
研究代表者 |
三内 顕義 京都大学, 理学研究科, 特定准教授 (10610595)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2023年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 深層学習 / 群論 / メタ学習 / 対称性 / 構造的因果推論 / 因果グラフ |
|---|
| 研究開始時の研究の概要 |
メタ学習は現代機械学習において重要な手法の一つだが、全てのタスクに対し、有用なわけではない。現在は人間の手で行われているメタ学習のフレームワークが適応可能な枠組みを数理的に明確化し、理論整備することを目標としている。
|
| 研究実績の概要 |
今年度は構造的因果方程式が導く潜在空間への写像に着目しこの写像を通じて、データ空間上では構造的因果として実現していた性質が、
潜在空間上で幾何学的性質として再実現されることが証明した。さらに導かれた幾何学的性質を幾何学的深層学習モデルと組み合わせることで
、最終的に同一の因果構造方程式を持つ確率モデル群に対して適応可能な、因果メタ学習モデルを得た。また因果グラフを組み込んだメタ学習の前段階としてのグラフを入力とするニューラルネットを構成し、論文を出版した。
またそのほかにLLMと因果推論を組み合わせた手法を提案し、プレプリントを公開した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初計画していたメタ学習の方向性のみならず、LLMを用いて因果推論を強化するという結果も得られたため
|
| 今後の研究の推進方策 |
LLMで強化した因果推論手法からLLMと因果グラフのつながりが得られている。今後はこの方向を発展し、LLM自体の強化につながるような研究を模索する
|
