拡散サンプラーによる産業データ駆動モデルにおける本質的に校正された不確実性定量化に向けて

arXiv cs.LG / 2026/4/3

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、重要な性能指標（KPI）が直接測定しにくい産業データ駆動モデルにおいて、信頼性の高い不確実性定量化（UQ）を得るという課題に取り組む。安全性に直結する意思決定は、精度と校正された不確実性の両方に依存する。
そこで、忠実な事後サンプリング（faithful posterior sampling）によって、事後分布に整合した予測不確実性を生成し、事後的な校正（post-hoc calibration）を回避することを目的とした、拡散ベースの事後サンプリング手法の枠組みを提案する。
合成分布、ラマン分光に基づくフェニル酢酸ソフトセンサのベンチマーク、ならびに実際のアンモニア合成ケーススタディに関する実験により、不確実性の校正と予測精度の両面で、既存のUQ手法より改善が示される。
著者らは、拡散サンプラーが産業環境における不確実性を考慮したモデリングに対し、原理的かつスケーラブルなパラダイムを提供すると主張する。

要旨: 現代のプロセス産業において、データ駆動型モデルは、主要業績評価指標（KPI）を直接測定することが難しい場合のリアルタイム監視にとって重要なツールである。正確な予測は不可欠だが、安全性、信頼性、意思決定のためには信頼できる不確実性定量化（UQ）も同様に重要であり、しかし現在のデータ駆動型アプローチにおいては依然として大きな課題として残っている。本研究では、忠実な事後サンプリングを通じて、事後サンプリングに固有に適切に較正された予測不確実性を生成する拡散ベースの事後サンプリング枠組みを提案する。これにより、事後的な較正（post-hoc calibration）の必要をなくす。合成分布に対する大規模な評価、ラマンベースのフェニル酢酸ソフトセンサのベンチマーク、ならびに実際のアンモニア合成のケーススタディにおいて、本手法は、不確実性較正と予測精度の両面で、既存のUQ手法に対して実用上の改善を達成した。これらの結果は、拡散サンプラが、産業用途における不確実性を意識したモデリングを前進させるための、原理に基づくかつ拡張可能なパラダイムであることを示している。