出力空間情報量に基づくマルチフィデリティベイズ最適化とその材料分野への応用

基于输出空间信息的多重保真贝叶斯优化及其在材料领域的应用

• 批准号: 21J14673
• 负责人: 竹野 思温
• 金额: $ 0.96万
• 依托单位: Nagoya Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-28 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21J14673/
• 关键词: ベイズ最適化; マルチフィデリティ

本年度は, 出力空間の情報量に基づくマルチフィデリティベイズ最適化に関する論文が国際ジャーナルに採択された. 本研究においては, 出力空間情報量という指標の汎用性を最大限に活用することで, 複数の観測を並列して行うことのできる並列設定や, あるフィデリティで観測を行うとそれより低いフィデリティの観測が同時に得られるトレース観測設定などのより発展的な問題にも一貫した指標が定義できることを示した. さらに, 出力空間情報量が一貫した近似によって効率的に計算可能であることを示した. これらの提案法は, 出力空間情報量に基づくベイズ最適化法の利点を引き継ぎ, ハイパーパラメータを必要とせずに比較的低い計算量で高い最適化性能を持つものである. 本研究では, 材料分野におけるシミュレータの最適化への応用実験も行っており, 提案法が材料科学分野への応用でも高い性能を持つことを示した.さらに, 本年度は出力空間情報量に基づく制約付きベイズ最適化法を提案し, 本研究成果は機械学習分野のトップ会議であるICMLに採択された. 制約付き最適化は, 材料科学分野では例えば安全性を担保した新規材料探索などの重要な実応用に必要とされる技術であり, 本研究目的に即するものであると考えている. 本研究では, 既存法における近似は制約付き最適化問題においては情報量の非負性が担保できないなどの問題があることを示した. そこで, 情報量の下界に基づく近似法を新たに提案し, これによって情報量の近似精度に関する理論解析を情報量に基づくベイズ最適化の文脈において初めて行った.

This year, the output space of the information base, the optimization of the paper, the international procurement In this study, the output spatial information quantity and the universality of the index are used to the maximum limit. The plural measurement is parallel to each other. The parallel measurement is set to the low level. The simultaneous measurement is set to the low level. The consistent index is defined. For example, the spatial information of the output is consistent with the approximate calculation of the output. The proposed method is based on the spatial information of the output, and the optimization method has the advantage of low calculation amount and high optimization performance. This study is aimed to demonstrate the effectiveness of the proposed approach to material science and its application in optimizing the application of materials. This year, the output of spatial information based on the proposed optimization method, the results of this study are divided into mechanical learning conference, ICML. The purpose of this study is to investigate the importance and necessity of material exploration and application in the field of material science. In this paper, we study the problem of non-negative guarantee of information quantity in the optimization of existing law. The lower bound of the information quantity is based on the approximation method, and the theoretical analysis is based on the optimization of the information quantity.

项目成果

カスケードタイプの多ステージプロセスに対するベイズ最適化

级联型多阶段过程的贝叶斯优化

• 发表时间: 2021
• 作者: 草川隼也;竹野思温;稲津佑;沓掛健太郎;岩崎省吾;中野高志;烏山昌幸;宇治原徹;竹内一郎
• 通讯作者: 竹内一郎

A Generalized Framework of Multi-fidelity Max-value Entropy Search through Joint Entropy

通过联合熵进行多保真极大值熵搜索的通用框架

• DOI: 10.1162/neco_a_01530
• 发表时间: 2022
• 期刊: Neural Computation
• 影响因子: 2.9
• 作者: S. Takeno;H. Fukuoka;Y. Tsukada;T. Koyama;M Shiga;I. Takeuchi and M. Karasuyama
• 通讯作者: I. Takeuchi and M. Karasuyama

情報量の下界に基づく逐次的及び並列的な制約付きベイズ最適化

基于信息下界的顺序并行约束贝叶斯优化

• 发表时间: 2022
• 期刊: 信学技報
• 作者: 竹野思温;田村友幸;設楽一希;烏山昌幸
• 通讯作者: 烏山昌幸

Bayesian Optimization for Distributionally Robust Chance-constrained Problem

• 发表时间: 2022-01
• 期刊: IFAC-PapersOnLine
• 作者: Yu Inatsu;Shion Takeno;Masayuki Karasuyama;I. Takeuchi

情報量の下界に基づく制約付きベイズ最適化

基于信息下界的约束贝叶斯优化

• 发表时间: 2021
• 作者: 竹野思温;田村友幸;設楽一希;烏山昌幸
• 通讯作者: 烏山昌幸