混沌から気候まで：高速かつ原理に基づく方程式発見

arXiv cs.LG / 2026/4/15

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、ノイズを含み観測が限られた状況から自動的に方程式を発見するための、ハイブリッド枠組みであるBayesian-ARGOSを提案する。これは、高速な疎回帰によるスクリーニングと、焦点を当てたベイズ推論および不確実性定量化を統合するものである。
7つのカオス系に対する実験では、Bayesian-ARGOSがほとんどの設定において2つの最先端ベースラインを上回る。データ効率はSINDyより改善し、ブートストラップベースのARGOSと比べて計算コストを約2桁（100倍）低減する。
ベイズによる定式化により、影響分析や多重共線性の検出といった標準的な統計診断が可能になり、ライブラリベースの疎回帰だけでは検出が難しい失敗モードの解明に役立つ。
表現学習（SINDy-SHRED）と組み合わせることで、Bayesian-ARGOSは妥当な潜在方程式の生成（収率）を高める。さらに、気候ダイナミクスに結び付いた高次元の海面水温再構成において、長期ホライズンの安定性もより良くする。