Basic research on interpretability and causality in modeling time-dependent phenomena

瞬态现象建模中可解释性和因果关系的基础研究

• 批准号: 22K21278
• 负责人: 小松 瑞果
• 金额: $ 1.75万
• 依托单位: Kobe University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Research Activity Start-up
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-08-31 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K21278/
• 关键词: データ駆動型モデリング; 代数的可観測性; ニューラルネットワーク; 深層学習; 解釈性; 状態空間モデル; 代数; 時系列データ; 因果; 解釈可能性

近年，データ駆動型のモデリングが多数提案されている．このようなモデリングによる科学的知見の抽出に向け，本研究では，現象に関する解釈性等に焦点をおき，それに関するモデリングについて，代数を取り入れたアプローチで取り組む．以下，現象が微分方程式等に従うと仮定し，方程式の一部が未知と考えるアプローチ（以下，A）と，方程式の大部分が未知と考えるアプローチ（以下，B）の二つに大別し，それぞれの成果を概説する．（A）三つの研究を進めた．まず，Physics-Informed Neural Networkという深層学習モデルに代数的可観測性を取り入れた．これにより，観測データが限定的である場合にも物理現象等を予測可能なモデルが構築できた．本成果は，解釈性に優れた深層学習モデルとみなすことができる．既に，国内の研究集会で口頭発表を行い，2023年度には，数理生物に関する国際学会にて招待講演を予定している．その他は，以前より進めていた，パラメータがデータから同定不可能な場合や，物理計算系の設計に向けた，代数的アプローチに関する研究である．これについて論文を執筆し，現在投稿準備中である．(B）研究代表者及び共同研究者は，時間発展現象のモデル化に用いられるSciNetと呼ばれる深層学習モデルに対し，新たにSHAPという手法を適用した．具体的には，学習されたモデルの中間層と，現象を支配すると予想されるパラメータ候補の関係について，SHAPを用いて調べることで，深層学習モデルに解釈性を付与することができた．本手法について，パラメータ候補間に従属関係がある場合は解釈性の低下が予想されるが，この場合は，従属関係を考慮した拡張版SHAPや，シンボリック回帰の適用などにより対処できると考えられる．現在，これらの拡張を進めつつ研究のまとめを行っており，2023年度に口頭発表・論文執筆予定である．

In recent years, デ デ タ駆 dynamic type <s:1> モデリ グが グが most proposals されて る る. こ の よ う な モ デ リ ン グ に よ る scientific knowledge to け に の spare, this study で は, phenomenon に masato す 釈 る solutions such as に focus を お き, そ れ に masato す る モ デ リ ン グ に つ い て, algebraic を take り れ た ア プ ロ ー チ で む り group. The phenomenon が differential equations such as に 従 う と 仮 し, equation is の A が unknown と exam え る ア プ ロ ー チ と (, A), the equation is の most が unknown と exam え る ア プ ロ ー チ (the following, B) の つ に comparing し, そ れ ぞ れ の results を prevue す る. (A) three を を study を into めた. Youdaoplaceholder0, Physics-Informed Neural Networkと まず う う deep learning モデ に に に the 観 testability of algebra を takes まず into れた. And こ れ に よ り 観 デ ー タ が qualified で あ る occasions に も physical phenomena such as を to measure may な モ デ ル が build で き た. This achievement, に, has excellent problem-solving performance in れた deep learning モデ とみなす とみなす とがで る る る. Both に, domestic research on の rally で oral 発 table を い, 2023 annual に は, mathematical biology に masato す る international society に て entertaining speeches を designated し て い る. そ の は, he よ before り into め て い た, パ ラ メ ー タ が デ ー タ か ら might be impossible な occasions や, physical design calculation is の に to け た, algebraic ア プ ロ ー チ に masato す る research で あ る. The paper is を and is being prepared for submission である. Representatives (B) research and common, the researchers は び time 発 exhibition phenomenon の モ デ ル change に with い ら れ る SciNet と shout ば れ る deep learning モ デ ル に し seaborne, new た に displayed shapes と い う gimmick を applicable し た. Specific に は, learning さ れ た モ デ ル の middle-tier と, phenomenon を dominate す る と to think さ れ る パ ラ メ ー タ alternate の masato is に つ い て, displayed shapes を with い て adjustable べ る こ と で, deep learning モ デ ル 釈 に solutions を give す る こ と が で き た. This technique に つ い て, パ ラ メ ー タ alternate between に 従 masato is が あ る occasions 釈 は solutions の low が to think さ れ る が, こ は の situations, 従 masato is を consider し た company, zhang version displayed shapes や, シ ン ボ リ ッ ク back 帰 の applicable な ど に よ り 処 seaborne で き る と exam え ら れ る. Now, を れら 拡 拡 zhang を is conducting research in め, まとめを, まとめを, ってお and ってお. The 2023 に oral presentation and thesis writing have been approved for である.

项目成果

Ecole polytechniqu(フランス)

综合理工学院（法国）

未観測変数をもつPhysics-Informed Neural Networksに関する代数的考察

具有不可观测变量的物理信息神经网络的代数考虑

• 发表时间: 2022
• 作者: 伊藤 向子;巳鼻 孝朋;レーム アンドレ;堀﨑 遼一;成瀬 誠;小松瑞果
• 通讯作者: 小松瑞果

酵素工学ニュース Vol. 88

酶工程新闻第 88 卷

• 发表时间: 2022
• 作者: 巳鼻 孝朋;アンドレレーム;菅野 円隆;内田 淳史;堀﨑 遼一;成瀬 誠;小松瑞果
• 通讯作者: 小松瑞果

共同研究者の個人ウェブページ

共同研究员的个人网页