ランダム行列理論を用いた大規模・複雑データのスペクトル解析と異常・固有情報の検出

顔写真なし
ニシガキ シンスケ
西垣 真祐
准教授
学部等
総合理工学部
物理工学科
researchmap
個人URL
https://researchmap.jp/read0109842
SDGs 4 質の高い教育をみんなに
ホームページURL

産業分野

  • 学術研究,専門・技術サービス業 / 学術・開発研究機関
  • 情報通信業 / 情報サービス業

researchmap
研究分野

  • 自然科学一般 / 数理物理、物性基礎 / ランダム行列理論、スペクトル統計、複雑データ解析
研究キーワード
ランダム行列理論 、スペクトル解析 、 大規模・複雑データ 、異常検知

研究概要

多数の自由度が相互作用する複雑なシステムでは、得られるデータの揺らぎの中から、普遍的なランダム成分とシステム固有の特徴を分離することが重要です。本研究では、ランダム行列理論、スペクトル統計および可積分系の数理を用いて、大規模データから構成される行列の固有値・特異値の統計的性質を解析し、ランダムな揺らぎからの微細なずれを定量化する手法を開発します。

特に、隣接する固有値間隔の比(gap ratio)など、データの規格化や局所密度の推定に依存しにくい統計量と、その有限サイズ補正に着目します。これにより、従来の平均値や分散等では捉えにくいシステム固有の相関、状態変化、異常の兆候を抽出することを目指します。

企業等が保有する時系列データ、多変量計測データ、ネットワークデータ等を対象として、正常状態におけるスペクトル統計を基準化し、そこからの逸脱を検出・定量化する共同研究を想定しています。製造設備やインフラの状態診断、センサーデータの異常検知、複雑ネットワークの変化検出などへの応用可能性を、実データを用いて検討します。

アピールポイント

ランダム行列理論を活用し、大規模・複雑データに共通する普遍的な揺らぎからの微細なずれを捉えます。規格化に依存しにくいスペクトル統計を用いて、異常予兆・状態変化・システム固有の特徴を高感度に検出します。

特許情報