小データな多ドメイン間での知識共有のための機械学習手法の開発とその応用

点击翻译按钮获取中文摘要

本年度は，能動学習および能動的転移学習の手法の開発とその評価，対外発表，および論文の執筆を行った。具体的には以下の2つの項目について取り組んだ。（１）能動学習の手法である能動的レベル集合推定法を抗がん剤開発のための第I相臨床試験のデザインに応用するための新たな枠組みを構築した。第I相臨床試験では、抗がん剤の許容される最大の用量（最大耐用量）の正確な推定が重要な問題であり、提案法は理論的には正確な最大耐用量を達成でき、実験によって既存の手法と比較して様々なシナリオで高い推定精度を達成していることを確認した。本研究は2023年の日本計量生物学会年会で口頭発表を行い（申込時2022年度）、現在論文を執筆中である。（２）能動的転移学習の新たな方法として，能動的レベル集合推定法にガウス過程（GP）モデルのための転移学習の方法であるDiff-GPモデルを組み合わせた、能動的転移レベル集合推定法を開発し、太陽電池用シリコンインゴットの低品質領域推定問題に応用した。開発した手法は、既に終了した実験で得られたデータを簡単な変換によって現在の実験データのように扱うことを可能とし、これを用いて現在の実験をより効率化することができる。さらに、過去のデータと現在のデータの違いが明示的にモデル化できる場合、このモデルを推定しながら同時にレベル集合推定を行う発展的な方法も開発した。これらの手法は、適用した低品質領域推定問題で既存法に比べて少ないデータ数で高い推定精度を示す結果が得られた。本研究はプレプリントが既に公開され（https://arxiv.org/abs/2304.01404）、現在論文誌に投稿中である。