多様な探索問題のための情報論的ベイズ最適化の構築と材料科学データでの実践

点击翻译按钮获取中文摘要

情報論的なマルチフィデリティベイズ最適化について，多次元のエントロピーに基づく拡張を実施し，論文誌NECOで発表した．これは高い信頼性の観測を得る際に，副産物として低い信頼性の情報も得られる場合や，同期的な設定での並列最適化などを含むものである．また，多段階のプロセスを含む実験状況下でのベイズ最適化を扱う方法についても論文誌NECOに発表している．国際学会ICML2023において，ベイズ最適化の代表的アプローチであるガウス過程UCBに関する理論解析及び，比較情報からのベイズ最適化に関する発表を行った．ベイズ最適化とユーザーの好みを反映するHuman-in-the loopを組み合わせる設定についても検討を行った．人の好みの問い合わせを情報論的に利得を評価し，選択的に行うことで効率的な最適化が可能になることを確認した．また，材料科学の雑誌媒体において，ガウス過程モデル及びベイズ最適化の材料科学応用について発表を行っている．さらに，新たに情報論的なアプローチが利点を持ち得る設定としてBiLevel最適化に関する検討を行った．この問題は目的関数の定義に別の最適化問題が含まれるような問題設定であり，本質的に難しい設定であるが，情報論的な利得を定義することで獲得関数が定義でき単純なベースラインを上回る効率が達成されることを確認した．このアプローチは前年度に提案した，制約付き問題に対する情報量の下限に基づく方法を土台にして構築している．