複雑な関係データに基づく意思決定のための機械学習研究

点击翻译按钮获取中文摘要

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、(1) 交絡変数が未知である状況における因果効果推定 (2) グラフ構造をもった介入の因果効果推定 (3) 因果効果推定の化学分野への応用 (4) 少量データに対する予測技術 に取り組んだ。(1)では深層学習モデルのVAEに基づいて交絡変数の表現を獲得する新たな手法を開発し、(2)では薬剤（化合物）のようなグラフ構造をもった、非常に多数の介入候補がある中からそれぞれの因果効果を推定する深層学習手法を開発した。いずれも、現実の複雑な問題における因果推論の適用範囲を広げるものである。また、因果推論技術の応用の開拓として、(3)では、化合物の性質推定問題に対して、グラフニューラルネットワークによる予測モデリングと、これを偏ったデータから推定する因果推論の技術を組合せることで、より高い精度で性質推定を行えることを示した。さらに、(4)では、モデリング対象となる観測が稀なイベントであるため十分なデータ数が確保できないときに、イベントの発生には至らないがこれに「ニアミス」したデータも併せて用いることで予測精度を高める方法を開発した。いずれの研究も査読付きの学術誌上で発表された。また、(1)については人工知能学会論文賞（その年に発表された論文の中から最も顕著なもの1,2件に与えられる賞）に内定している。