社会シミュレーションの地平を切り開く機械学習

抄録

本論文では，社会シミュレーションを機械学習と融合する取り組みの一つとして，シミュレーションを評価器として用いて最適施策を探索するシミュレーション最適化へ機械学習を適用する試みを紹介する．シミュレーションを評価器として最適解を求めるためには，数千回あるいは数万回のシミュレーション実行が必要となるため，計算コストを削減することが重要な課題になる．計算コストの削減には，シミュレーションを代替する軽量な代理モデルを利用する方法が有用である．そこで我々は，深層学習手法を用いて，複雑な社会シミュレーション特にマルチエージェントシミュレーションの代理モデル構築手法を開発した．提案手法を都市規模の交通シミュレーションに適用した結果，道路密度を予測する交通シミュレーションを模擬できることが分かった．