ネットワーク型共同研究拠点を支える 人・環境と物質をつなぐイノベーション創出ダイナミック・アライアンス 研究者データベース

科学の様々な分野において現象が電子的に計測・記録され，計算機による解析が望まれるようになってきています．データを中心として計算機を用いた科学的方法論はデータ中心科学と呼ばれ，実験，理論，シミュレーションに次ぐ第4のパラダイムとして期待されています．その中で，機械学習・データマイニング技術を基盤とした帰納的な方法論はデータ解析技術として重要な役割を果たしています．観測される事象系列データから事象間の相互作用を推定することは，現象のダイナミクスの理解や，工学的応用において重要なテーマです．

In many sciences fields, phenomena have become to be electrically recorded, and are ready for analyzing by computers. A scientific methodology using computers based on data is called “data-centric” science, and is expected as the fourth paradigm of the scientific research. Among them, machine learning and data mining techniques, which are inductive approaches, play an important role as a data analysis method. Moreover, estimating interactions among events from an observed event sequence is important for understanding a dynamics of the phenomenon and for their engineering applications.

観測される事象系列データに内在する法則性やパターンを，計算機により帰納的に発見する知識発見アルゴリズムの確立を目指しています．これまで本研究では，事象間の共起性に着目し共起パターンを抽出する新規アルゴリズムを提案しました（図1）．そして，燃料電池の損傷事象（AcousticEmission）の系列データから燃料電池部材間の力学的相互作用の推定（図2）や，震源の系列データから地震間の相互作用推定（図3）において一定の成果が得られました．

The goal of this research is to establish a knowledge discovery algorithm to discover underlying low or patterns in an observed event sequence data. We have proposed a novel algorithm extracting co-occurrence patterns among events (Fig. 1). Then we have achieved some positive results, as estimation of mechanical interactions among members of a fuel cell from Acoustic Emission event sequence produced by damages (Fig. 2), and also estimation of earthquake interactions from a hypocenter sequence data (Fig. 3).