Wasserstein 損失を用いたデータアンフォールディング手法──従来の Richardson-Lucy 法の課題を克服
KL ダイバージェンスに代わる Wasserstein 損失を導入し、ビン分割による誤差を排除。物理学におけるジェット質量アンフォールディング等で高い堅牢性を実証。（原題: Unfolding with a Wasserstein Loss）
リリース: 2026-03-21 · 読了 3 分何が起きた
従来の Richardson-Lucy (RL) デコンボリューションが抱えるビン分割による数値誤差の問題を指摘
Wasserstein 損失を用いた新たなデータアンフォールディング定式化を提案
最適化問題の解の存在と一意性に関する厳密な条件を確立
収束性が証明された一般化 Sinkhorn アルゴリズムを開発
データサイズに対してスケーラブルであり、周囲次元に依存しない計算効率を実現
なぜ重要
物理実験科学におけるノイズ除去の標準手法を、より堅牢な最適輸送理論ベースの手法へ転換する可能性
ビン分割を必要としないため、高精度なデータ復元が求められる科学分野での応用が期待される
👁️ 開発者
物理シミュレーションや実験データ処理において、従来の KL ダイバージェンスに基づく手法よりも精度の高いノイズ除去アルゴリズムとして実装可能。
🇯🇵 日本
国内の素粒子物理学や計測科学分野の研究において、データ解析の信頼性と精度を向上させるための新たな数学的ツールとなる。