当社機械学習リサーチチームによる研究論文が、機械学習分野におけるトップカンファレンスの一つである「ICML 2025（International Conference on Machine Learning）」に採択されたことをお知らせします。
本研究は、ブラックボックス最適化における基礎理論の進展を示すもので、オーラル発表およびポスター発表の両形式にて採択されました。論文は以下よりご覧いただけます。
論文公開URL（OpenReview）：https://openreview.net/pdf?id=ybno0ZP44z
論文概要
タイトル：Improved Regret Analysis in Gaussian Process Bandits: Optimality for Noiseless Reward, RKHS Norm, and Non-Stationary Variance
著者：Shogo Iwasaki (MI-6 Ltd.), Shion Takeno (Nagoya University)
本研究は、ベイズ最適化における理論課題である「ガウス過程バンディット問題」に取り組み、以下の貢献を行いました。
- ノイズがない設定における、準最適な累積レグレットの評価
- 報酬関数の滑らかさ（RKHSノルム）に応じた理論保証の精緻化
- 時間とともに変化するノイズ（非定常性）を考慮した新たな解析の枠組みの提案
これらの成果は、センサードリフトを伴う長期実験や、高精度計測値が初期だけ取得可能なスクリーニング等、実験条件や計測精度が経時的に変化する材料開発シナリオでのベイズ最適化設計に理論的裏付けを与えます。
