小データな多ドメイン間での知識共有のための機械学習手法の開発とその応用

小数据跨领域知识共享机器学习方法的开发与应用

• 批准号: 20K19871
• 负责人: 松井 孝太
• 金额: $ 2.75万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K19871/
• 关键词: 機械学習; 転移学習; 能動学習; スモールデータ; 能動的転移学習

本年度は，能動学習および能動的転移学習の手法の開発とその評価，対外発表，および論文の執筆を行った。具体的には以下の2つの項目について取り組んだ。（１）能動学習の手法である能動的レベル集合推定法を抗がん剤開発のための第I相臨床試験のデザインに応用するための新たな枠組みを構築した。第I相臨床試験では、抗がん剤の許容される最大の用量（最大耐用量）の正確な推定が重要な問題であり、提案法は理論的には正確な最大耐用量を達成でき、実験によって既存の手法と比較して様々なシナリオで高い推定精度を達成していることを確認した。本研究は2023年の日本計量生物学会年会で口頭発表を行い（申込時2022年度）、現在論文を執筆中である。（２）能動的転移学習の新たな方法として，能動的レベル集合推定法にガウス過程（GP）モデルのための転移学習の方法であるDiff-GPモデルを組み合わせた、能動的転移レベル集合推定法を開発し、太陽電池用シリコンインゴットの低品質領域推定問題に応用した。開発した手法は、既に終了した実験で得られたデータを簡単な変換によって現在の実験データのように扱うことを可能とし、これを用いて現在の実験をより効率化することができる。さらに、過去のデータと現在のデータの違いが明示的にモデル化できる場合、このモデルを推定しながら同時にレベル集合推定を行う発展的な方法も開発した。これらの手法は、適用した低品質領域推定問題で既存法に比べて少ないデータ数で高い推定精度を示す結果が得られた。本研究はプレプリントが既に公開され（https://arxiv.org/abs/2304.01404）、現在論文誌に投稿中である。

今年，我们开发并评估了主动学习和主动迁移学习方法，进行了外部演示，并撰写了论文。具体来说，我们做了以下两个方面的工作。 (1)我们构建了一个新的框架，将主动水平集估计（一种主动学习方法）应用于抗癌药物开发的I期临床试验的设计。准确估计抗癌药物的最大耐受剂量（最大耐受剂量）是I期临床试验中的一个重要问题，所提出的方法理论上可以实现准确的最大耐受剂量，通过实验，我们证实我们的方法取得了较高的估计精度。与现有方法相比，在各种场景中。这项研究将在日本生物特征生物学会2023年年会上进行口头报告（申请日期：2022年），目前正在撰写论文。 (2)作为主动迁移学习的新方法，提出了一种将主动水平集估计方法与Diff-GP模型相结合的主动迁移水平集估计方法，这是一种针对高斯过程(GP)模型的迁移学习方法。并应用于估计太阳能电池硅锭的低质量区域的问题。所开发的方法使得从已经完成的实验中获得的数据通过简单的转换可以像当前的实验数据一样处理，并且可以用于使当前的实验更加高效。此外，如果可以明确地对过去数据和当前数据之间的差异进行建模，我们就开发了一种先进的方法来估计该模型并同时执行水平集估计。这些方法已应用于低质量区域估计问题，并且比现有方法以更少的数据量显示出更高的估计精度。这项研究的预印本已经出版 (https://arxiv.org/abs/2304.01404)，目前正在提交给期刊。

项目成果

転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法

迁移学习的基础知识：利用不同任务知识的机器学习方法

• 发表时间: 2021
• 作者: 重中 晟吾;中正 和久;和﨑 克己;Takashi Nicholas MAEDA;松井孝太
• 通讯作者: 松井孝太

償却推論に基づいた継続学習

基于摊销推理的持续学习

• 发表时间: 2020
• 作者: MAEDA Keisuke;HORII Kazaha;OGAWA Takahiro;HASEYAMA Miki;川島寛乃，河野慎，熊谷亘，松井孝太，中澤仁
• 通讯作者: 川島寛乃，河野慎，熊谷亘，松井孝太，中澤仁

Exploration of fluorine solvent for Minor Actinide extraction

氟溶剂萃取次锕系元素的探索

• 发表时间: 2022
• 作者: Masahiko Nakase;Kota Matsui;Miki Harigai;Shinta Watanabe;Chihiro Tabata;Tomoo Yamamura;Tohru Kobayashi;Takashi Kajitani;Koichi Kakinoki;Taisuke Tsukamoto;Takashi Shimada
• 通讯作者: Takashi Shimada

Make machine learning more efficient using external knowledge: A guide to transfer learning

使用外部知识使机器学习更高效：迁移学习指南

• 发表时间: 2022
• 作者: Kota Matsui;Zhi Li;Kei Yonekawa;Mori Kurokawa
• 通讯作者: Mori Kurokawa

Siエピタキシャル成長プロセスにおける適応的な制約を用いたベイズ最適化

在硅外延生长过程中使用自适应约束的贝叶斯优化

• 发表时间: 2020
• 作者: He Zhu;Ren Togo;Takahiro Ogawa;Miki Haseyama;長田圭一，沓掛健太朗，山本純，山下茂雄，小寺崇，永井勇太，堀川智之，松井孝太，竹内一郎，宇治原徹
• 通讯作者: 長田圭一，沓掛健太朗，山本純，山下茂雄，小寺崇，永井勇太，堀川智之，松井孝太，竹内一郎，宇治原徹