Preferred Networks·2026年5月21日 14:17
評価済み点を考慮した Optuna の GPSampler の並列化強化
TL;DR
Preferred Networks は Optuna v4.8/4.9 の GPSampler に Constant Liar や Kriging Believer を導入し、並列最適化における候補点の重複問題を解決して性能を大幅に向上させました。
AI深層分析2026年5月21日 12:02
4
重要/ 5段階
関連性
新規性
影響度
信頼性
Preferred Networks は Optuna v4.8/4.9 の GPSampler に Constant Liar や Kriging Believer を導入し、並列最適化における候補点の重複問題を解決して性能を大幅に向上させました。
重要度スコアの内訳、キーポイント、影響分析、編集コメントをプレミアムで公開中。
本記事は、アルバイトとして勤務されている澤田恵里さんによる寄稿です。
はじめに
本記事では、Optuna v4.8 から v4.9 にかけて段階的に導入される GPSampler の並列化強化について紹介します。
GPSampler は、ガウス過程（Gaussian Process）に基づくベイズ最適化の sampler です。連続関数の最適化で特に高い性能を発揮し、Optuna v3.6 で導入されて以降、制約付き多目的最適化への対応、高速化など、さまざまな機能拡張や強化が行われてきました。
一方、v4.7 までの GPSampler の実装では、評価済みのサンプルだけを用いてガウス過程回帰を行い、獲得関数（acquisition function）の最適化を行っていました。そのため、バッチ最適化では同じ評価済みデータに基づくほぼ同一の回帰モデルから次の候補点が選ばれ、結果としてほぼ同じ点が繰り返し提案されてしまう、という問題がありました。
この問題を解決するため、Optuna v4.8 では制約なし単目的最適化において Constant Liar を用いた並列化強化を導入しました。また Optuna v4.9 では制約あり・多目的最適化において Kriging Believer を用いた並列化強化を導入予定です。これにより、評価中の点（running trials）も
続きを日本語で読む
無料登録で1日5記事まで読めます。プレミアムなら無制限。
7日間の無料トライアル ・ いつでもキャンセル可能
関連記事
Hamel Husain★42017年5月10日 09:00
自動化機械学習 - Airbnbにおけるデータサイエンティストの生産性を加速させるパラダイムシフト
Airbnbでは、自動化機械学習がデータサイエンティストの生産性を向上させるパラダイムシフトをもたらしている。
Preferred Networks★42026年5月18日 10:27
事前学習済みモデル向けベンチマーク構築の取り組み
Preferred Networks は、推論モデル中心の既存評価基準を見直し、事前学習済み大規模言語モデル PLaMo の能力を適切に測定する新たなベンチマーク構築を進めている。
Preferred Networks★42026年4月17日 17:32
機械学習ポテンシャルの近似限界を超えて【インターン募集】
株式会社Preferred Networksが、機械学習ポテンシャル（MLIP）の研究分野を紹介し、2026年インターン生を募集している。同社は2019年から汎用MLIP「PFP」を開発し、2021年に原子レベルシミュレータ「Matlantis」のコア技術として提供を開始した。