実世界の様々な分野において，物理システムの正確なシミュレーションが求められている．最近の研究では，深層学習を用いてデータから自動でシステムをモデル化することが試みられている．ニューラルネットワークの出力を入力の時間微分として扱うNeural ordinary differential equation（Neural ODE）は，この研究分野に発展をもたらした．しかし，Neural ODEの学習アルゴリズムや関連する手法はまだ確立されていない．そこで，本研究では時系列データセットの長期予測をより正確に行うための新しい学習アルゴリズムとして，error-analytic strategyを提案する．提案するアルゴリズムは，数値解析における誤差解析技術から着想を得て，数値誤差をモデル化誤差に置き換えて導き出したものである．提案手法は，長期的な誤差を捉えることができ，長期予測の性能を向上させることができる．また，2つの観測点間の数値積分のみに適用されるものであるため，長い数値積分を必要とする手法よりも，メモリ効率及び計算効率の良い学習が可能である．
