「統計的機械学習」の中核としての統計数理シンポジウム（オンライン開催）

• オープニングの資料はこちら
• オープニングの録画はこちら

大規模言語モデルや拡散モデルは高忠実で多様なデータを生成できるモデルであり、さらに獲得したモデルを使って様々なタスクをプロンプトで指示し、ゼロショットもしくは少量の追加学習データで実現できることがわかっている。本講演では生成モデルがどのようにして世界を理解できるようになっているか、またどのような課題や未解決問題が残されているのかについて説明する。

• 基調講演 1の資料はこちら
• 基調講演 1の録画はこちら

深層学習に基づく汎用的な人工知能モデルが大きな発展を遂げている。伝統的には我々の自然に対する知識は数学的な言語で記述されてきたが、そういった数理的知識をどのようにデータやモデルに組み込むかは統計的機械学習の重要な課題である。本講演では、対称性や微分方程式などの数理的知識を深層学習と融合する研究に関して紹介し、講演者の最近の関連研究に関して述べる。

• 基調講演 2の録画はこちら

本講演では、講演者が最近行っている機械学習を用いた計測の高度化に関する研究のうち、特にベイズ最適化の最適停止タイミングの判定方法の研究について紹介する。ベイズ最適化は、最適化問題において目的関数を評価するコストが高い場合でも、効率的に最適解を求める手法であり、実問題への応用も広く行われている。しかし、過剰に評価を続けることでコストが高くなってしまうため、最適な停止タイミングを判定することが重要である。技術の概要に加えて、開発の経緯と、産学連携を見据えた展望を述べる。

統数研に着任以来、多くの企業から申し入れをいただき、共同研究を行ってきた。主な共同研究について、どんな研究であるのか、またどうして企業単体ではなく、統数研との共同研究が必要であったのかについて紹介する。自然言語処理については、大規模言語モデルが身近になった今こそ、それで扱えない統計的な研究が重要になってくると考えている。

• 講演 2の資料はこちら
• 講演 2の録画はこちら

材料研究のデータは極めて少ない。また、材料研究のそもそもの目的は、周辺にデータが存在しない革新的な材料を発見することである。したがって、一般に機械学習の内挿的な予測だけでは革新的な材料に到達できない。そこで、限られた実験データと物理化学理論に基づくシミュレーションの統合解析が重要な役割を担う。本講演では、データ駆動型材料研究の実例を挙げながら、限られたデータ資源の壁を乗り越えるための統計的機械学習の基盤技術や産学連携によるオープンデータ共創の取り組み等を紹介する。

• 講演 3の資料はこちら
• 講演 3の録画はこちら

• 岡野原
• 吉田
• 日野
• 持橋
• 福水
• 岡野原、福水、持橋
• 岡野原
• 吉田
• 日野
• 持橋
• 福水