AIが解く世界の難問 · 物理学 · arXiv · 2026-10-23
ML逆問題における信頼できる不確かさ：PDFトリプレットに対するGP・NN・NTKの比較
原題: Faithful Uncertainties in ML-Based Inverse Problems: GPs, NNs and NTKs for the Triplet PDF
物理の逆問題に機械学習を使う場合、再構成された関数の不確かさを正しく見積もることが中心値と同じくらい重要である。研究では、深非弾性散乱データから非一重項トリプレット分布T3を再構成する課題で、ガウス過程、損失関数の異なるニューラルネットワークのアンサンブル、経験的ニューラル接線カーネルを閉包テストの枠組みで比較した。中心値がほぼ同じでも不確かさは大きく異なり、その違いは完全な実験共分散を含む尤度、カーネルや前処理に埋め込まれた事前分布、接線カーネルの評価時点によって決まり、キャリブレーションは各点の幅より予測共分散の相関に依存する。