機械学習システムの社会実装に向けた次世代最適化技法の研究
【研究キーワード】
社会システム工学 / 経営工学 / オペレーションズリサーチ / 最適化 / 機械学習 / 社会実装 / アルゴリズム
【研究成果の概要】
機械学習システムの社会実装を促すために，機械学習システムの計算基盤を支える最適化アルゴリズムに着目し，錐最適化を中心的な技術として現実的な時間で高精度に解ける問題範囲を拡大，ならびに，離散構造を持つ問題を主な対象に計算効率の改善と理論性能保証の証明を行なった．一方で，機械学習モデルが出力する結果への利用者の安心感を高めるためのモデリング技法を開発した．特に，利用者の事前知識を学習モデルに反映させ，高性能性を保持しつつも，利用者の直観に反しない結果を導出する方法，ならびに，それを実現するためのアルゴリズムを多角的に開発した.
【研究の社会的意義】
Society 5.0の実現に向けては機械学習システムをより安心・安全に利用するための方法論の確立が重要であり，本研究では，その方法論の計算基盤である最適化アルゴリズムを刷新した．成果の一部はライブラリ等で公開され，比較的容易に利用できる形となっており，社会のさまざまな場面での活躍が期待できる．また，純粋数学の未解決問題に貢献する成果も得られた．事前知識の活用に基づく機械学習におけるモデリング技術は，汎用性が高く，また，高度な数学を用いずともその有効性や妥当性を議論できるものであり，一部の専門家による利用にとどまらず，こちらについても，社会のさまざまな場面での活躍が期待できる．
【研究代表者】