スキルアップAI講師 斉藤 進化計算分野のトップカンファレンス「GECCO2022」にて論文採択、実務への応用期待

スキルアップAI株式会社（以下スキルアップAI、東京都千代田区、代表取締役 田原 眞 一）にて研修や講座の講師を務める斉藤翔汰による共著論文「CMA-ES with Margin: Lower-Bounding Marginal Probability for Mixed-Integer  Black-Box Optimization」(※1) が、国際会議「Genetic and Evolutionary Computation Conference (GECCO) 2022」にて論文採択されたことをお知らせします。

 

「GECCO 2022」は、最適化における重要領域のひとつである進化計算分野で国際的に権威のあるトップカンファレンスであり、7月9日〜13日にアメリカ・ボストンとオンラインでのハイブリッド形式で開催されます。また、同論文は会議内の「ENUM（Evolutionary Numerical Optimization）トラック」においてベストペーパー賞にノミネートされています。

斉藤はスキルアップAIにて講師を務める傍ら、横浜国立大学大学院博士課程に在籍し、研究活動を行っています。この度採択された論文は、横浜国立大学 濱野 椋希氏、株式会社サイバーエージェント「AI Lab」所属　野村 将寛研究員、横浜国立大学 白川 真一准教授との共同研究の成果をまとめた共著論文となっています。

◆研究について
本研究にて対象としている「混合変数ブラックボックス最適化」は、連続的な変数と離散的な変数を同時に最適化する技術です。この技術は、実社会において数多く登場し、マテリアルズ・インフォマティクスにおける新規材料の探索や、製造業における部品設計の自動化、エネルギー分野における二酸化炭素貯留 (CCS) 施設の最適配置などで活用が検討されています。しかし、既存の最適化手法では、連続的な変数と離散的な変数を同時かつ効率的に最適化することが困難でした。

こうした背景を踏まえ、今回採択された共著論文では、連続的な変数の最適化において優れた最適化性能を発揮することが知られているCMA-ES（共分散行列適応進化戦略）を拡張し、混合変数ブラックボックス最適化においても、同時かつ効率的に最適化する手法 CMA-ES with Margin (CMA-ESwM) を提案しました。

CMA-ESwM を用いることで、従来の手法では効率的な探索が困難であった問題に対して、より効率的かつ優れた結果が得られることを実験で示しています。また、混合変数ブラックボックス最適化の大規模なベンチマークである bbob-mixint を用いてCMA-ESwMの最適化性能の評価も行っており、その結果を報告した論文は GECCO 2022 で開催されるワークショップ Workshop on Black-Box Optimization Benchmarking (BBOB 2022) で採択されています(※2)。

※1：Ryoki Hamano, Shota Saito, Masahiro Nomura, and Shinichi Shirakawa, CMA-ES with Margin: Lower-Bounding Marginal Probability for Mixed-Integer Black-Box Optimization, In Genetic and Evolutionary Computation Conference (GECCO ’22), July 9–13, 2022, Boston, MA, USA. ACM, New York, NY, USA, 9 pages.
※2：Ryoki Hamano, Shota Saito, Masahiro Nomura, and Shinichi Shirakawa, Benchmarking CMA-ES with Margin on the bbob-mixint Testbed, In Genetic and Evolutionary Computation Conference Companion (GECCO ’22 Companion), July 9–13, 2022, Boston, MA, USA. ACM, New York, NY, USA, 9 pages. 

◆斉藤 翔汰プロフィール

スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻（現:情報環境専攻）修了。修士（情報学）。現在、同博士課程在籍。
高専時代に画像認識に対して興味を持ったことがきっかけで、現在はDeep Learningや機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。


◆論文概要
タイトル
CMA-ES with Margin: Lower-Bounding Marginal Probability for Mixed-Integer  Black-Box Optimization

執筆者
横浜国立大学 濱野 椋希氏
横浜国立大学／スキルアップAI株式会社 斉藤 翔汰
株式会社サイバーエージェント「AI Lab」所属　野村 将寛氏
横浜国立大学 白川 真一准教授

採択
Genetic and Evolutionary Computation Conference (GECCO) 2022

閲覧
論文サイトarXiv（運営元：コーネル大学図書館）でご覧になれます。
本論文掲載URL：https://arxiv.org/abs/2205.13482