トピック: Ensemble Learning

全セクション横断 3 件

米国の研究チームが機械学習を用いて2次元磁性体の磁気基底状態を高精度で予測する新手法を開発した。スピントロニクスおよび量子コンピューティング向け材料開発の期間短縮と費用削減に直結する成果である。

京都大学などの研究者が、複数のAIモデルを組み合わせるアンサンブル学習の予測器を最大96%削減しつつ精度と信頼性を維持する手法「SCSB」を発表した。推論コストの削減と予測確率の適正化を同時に実現し、金融・医療・製造業における実装コストを大幅に圧縮する可能性がある。

米研究者らが、3つの独立した分類器による多数決投票が機械学習の理論的最適解であることを厳密に証明した。アンサンブル学習の設計指針が根本から簡素化され、AI開発コストの削減につながる可能性がある。