AI for Scienceとデータ駆動科学：べィズ計測とVMAの提案

摘要

In this paper, we discuss artificial intelligence (AI) for science and one of its approach, data-driven science. Based on the tri-level of data-driven science proposed as basic theory, we show how to move ahead on AI for science. As a key issue to address in AI for Science, we introduce data-science framework to integrate extensive numerical data obtained by large-scale computation simulation, such as the "Kei(京)"computer, and by large-scale measuring system, e.g. synchrotron radiation and quantum beam. First, we propose Bayesian sensing, which is formulated base on the Bayesian inference, and Virtual Measurement Analysis (VMA) for analysis of the instrument data. Next, we introduce an extraction of effective model from electronic structure calculation for analysis of the simulated data. Finally, we discuss the integration of large-scale simulated and measurement data by data-driven approach through the effective model.%本論文では，AIの科学への応用（AI for Science)とAI for Scienceのアプローチの一つであるデータ駆動科学を議論する.データ駆動科学の学理の原点とし て提案されたデータ駆動科学の三つのレベルに基づき，どのようにAI for Science を進めていくかを述べる.AI for Scienceが取り組むべき重要な課題として，スパ コン「京」に代表される大規模計算機からの数値シミュレーションデータやシンクロ トロン放射光や量子ビームなどの大規模計測機から得られる計測データを統合する データ科学的枠組みをとりあげる.計測データの解析に関しては，計測科学をべィズ推論で定式化したべイズ計測を提案し，VMA(仮想計測解析）を提案する.数値計算データに対しては，電子状態計算からの有効モデル抽出を紹介する.最後に，有 効モデルを媒介としたデータ駆動科学的アプローチによる大規模計算と大規模計測 データの統合の枠組みを述べる.