概要：ベイズ最適化はベイズモデルを活用したより効率的なデータ駆動実験計画を実現する手法として注目を集めている。一方で、 実践的には, 通常の最適化だけではなく、多目的最適化や制約付き最適化などのより複雑な問題が生じる場合が多い。本講演では、まずベイズ最適化の基礎を概説し、さらに様々な発展的問題のためのベイズ最適化法を紹介する。

概要：強化学習は、機械学習の一分野であり、AlphaGo等のゲームでその性能の高さが証明されるにつれ、盛んに研究されてきた。特に最近、ChatGPTに代表される大規模言語モデルのアライメントに「人間のフィードバックによる強化学習」、いわゆる RLHF が用いられたことから、強化学習への注目が一段と高まっている。本講演では、強化学習の基礎について触れた後、RLHFなど強化学習の応用事例について紹介する。

概要：大規模数値シミュレーションを機械学習モデルで置き換えることで、大幅な計算時間の短縮が期待されるサロゲートモデルに関する研究が注目されている。しかし、大規模で複雑なデータが出力される場合には、可視化が困難な状況が発生する。本講演では、可視化も含めた計算を置き換える可視化サロゲートモデルの開発によって、解析時の対話的な試行錯誤を可能にし、知見獲得プロセスを飛躍的に加速させる取り組みを紹介する。