研究課題
基盤研究(B)
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。
機械学習
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。
