変分ベイズ推論による埋め込み型線形等式制約の学習
arXiv cs.LG / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、既知のドメイン／物理関係を学習プロセスに直接埋め込むことで、線形等式制約を“学習の一部”として扱うベイズ的フレームワークを提案している。
- モデルパラメータだけでなく制約（ドメイン知識）についても、完全な予測不確実性を特徴づけることを目指し、従来手法の限界に対処している。
- 評価では、電圧・エネルギーのつり合い制約を課した単一粒子のバッテリーモデルを用い、従来の変分推論ベースの標準的ベイズニューラルネットワークよりも信頼区間が狭くなることを示している。
- さらに、ベースラインよりも制約違反が少ないことが示され、予測の物理整合性が改善される可能性が示唆されている。
- 本研究はarXivのプレプリントとして提示されており、今後の検証や、制約を意識した科学的MLへの応用を見据えた研究貢献である。
