最適値の情報量に基づいたマルチフィデリティベイズ最適化

抄録

近年, ベイズ最適化は観測に高いコストのかかるブラックボックス最適化に対する有効なアプローチとして注目を集めている. ベイズ最適化は, できるだけ少ない回数の関数評価で良い解を得ることを目指す. 一方で, 例えば数値シミュレーションによる新規材料探索では, 高い計算コストをかけてシミュレートされた物性値を最適化するが, シミュレーションの精度と計算コストにはトレードオフの関係がある場合が多い. マルチフィデリティベイズ最適化はこのような精度とコストにトレードオフのあるマルチフィデリティな情報源を活用することでコスト効率の良い最適化を目指す. 本稿では, 最適値の情報量を用いることで, ハイパーパラメータを必要とせず計算の容易なマルチフィデリティベイズ最適化法を提案する. さらに, 観測が並列に行える並列設定への拡張などより実践的な問題へと自然に拡張することができることを示す. 最後に, 提案法の有効性を計算機実験を通じて実証する.