科学的機械学習
要約済み 1
-
arxiv-cs-ai 2日前 4新AI手法、カオス系の支配方程式を高速自動発見Fast and principled equation discovery from chaos to climate
ノイズの多い観測データから複雑系の支配方程式を自動発見する新手法「Bayesian-ARGOS」が発表された。 頻度論的スクリーニングとベイズ推論を組み合わせ、SINDy等の最先端手法を7つのカオス系で上回る性能を達成。 気候モデリングや物理シミュレーションなど、科学的法則のAI自動発見に向けた重要な前進となる。
解説 Bayesian-ARGOSは、観測データから物理・気候系の支配方程式を自動的に同定するための新しいハイブリッドフレームワークである。従来のライブラリベースのスパース回帰手法(代表例:SINDy)は、候補関数の辞書から疎な解を選ぶが、自動化・統計的厳密性・計算効率の三つを同時に満たすことが困難だった。本手法はまず頻度論的スクリーニング(ARGOSの枠組み)で候補項を高速に絞り込み、残った少数の候補に対してのみベイズ推論を集中適用する。これにより、各項の係数について事後分布(posterior distribution)を計算でき、予測の不確実性を定量化できる点が既存手法にはない強みである。ロレンツ系やローレンツ96など7つのカオス系を対象に、データ数とノイズレベルを変えて評価したところ、SINDyに対してはすべての系でデータ効率が上回り、6/7の系でノイズ耐性も優れていた。もう一つの比較手法に対しても多くのシナリオで勝っている。LLM系モデル(GPT-4o・Claudeなど)との直接比較はないが、数値科学分野では方程式同定は重要課題であり、気候モデリングや流体力学など実データへの応用可能性が高い。計算コストが大幅に低く、実用的なスケールへの展開が現実的である点も重要な貢献である。