データ駆動型フォワードモデルにおいて物理的感度カーネルは出現し得る：表面波分散に基づく証拠
arXiv cs.LG / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、地球物理学におけるデータ駆動型ニューラルのサロゲート・フォワードモデルが、入力と出力の対応関係だけを学習するのか、それとも基礎となる物理的感度（勾配／カーネル）の構造まで復元するのかを調査する。
- 表面波分散を用いて、自己微分されたニューラルネットワークの勾配を理論的な感度カーネルと比較し、幅広い周期の範囲で学習された勾配が深さ依存の主要な構造を再現することを見出す。
- これらの結果は、ニューラルサロゲートが物理的に意味のある微分情報（ブラックボックス的な予測だけではない）を提供し得ることを示唆し、これが反演や不確実性解析を支える可能性がある。
- しかし同時に、本研究は、学習データ分布に埋め込まれた強い構造的事前知識が、推定された感度に系統的なアーティファクトを生み出し、物理的整合性を損なう可能性があることも示している。
- 全体として、ニューラル・フォワードサロゲートが物理的に一貫した微分構造を与えるのか、それともバイアスやアーティファクトに影響されやすい結果になるのかを左右する条件を明確にする。
