AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-22
動的ネットワークのグローバル・ローカル制御のための強化学習とシステミックリスクへの応用
原題: Reinforcement Learning for Global-Local Control of Dynamic Networks with Applications to Systemic Risk
動的ネットワーク上の制御問題に対し、グラフ全体レベル(グローバル)とノードレベル(ローカル)の行動を組み合わせる強化学習フレームワークを提案した。グローバル・ローカルそれぞれの方策ヘッドを持つメッセージパッシング型ニューラルネットワークにより、置換対称性と透明性の制約を満たす方策を実現し、パラメータ・入力摂動に対する明示的なLipschitz境界から勾配法の収束保証を導いた。金融ネットワークのシステミックリスク管理への応用では、規制当局が資本介入を配分する設定で標準的なフィードフォワード型アーキテクチャを上回る性能を示し、大規模ネットワークにも拡張可能である。