ユニバーサル機械学習モデル
定義
機械学習においてユニバーサルモデルuniversal modelとは、一つのドメインの中で広範に使用できるモデルを指す。
説明
ユニバーサルモデルの定義は、ビスポークモデルとの比較を通じて理解する方がより容易だろう。例えば、我々の目標が物質のエネルギーを近似するニューラルネットワークを開発することだとしよう。ここで、溶出ナノ粒子exsolved nanoparticle、三元系金属酸化物ternary metal oxides、量子ドットquantum dot、アモルファスシリコンamorphous siliconなどのような特定の環境でのデータのみで学習したモデルをビスポークモデルと呼ぶ。一方でSevenNet-Omniは無機結晶構造inorganic crystal、触媒catalyst、MOFmetal-organic framework、分子などを網羅する広範なデータセットで学習されたため、ユニバーサルモデルと呼ぶことができる。
ファウンデーションモデルとの違い
ユニバーサルモデルと🔒(26/07/06)ファウンデーションモデルfoundation modelはしばしば同じ意味で使われるが、強調点が異なる。ユニバーサルモデルが原子系のように一つのドメインの中で複数の問題を幅広く担うことに焦点を置くのに対し、ファウンデーションモデルはその範囲が一つの分野にとどまらない。何よりも、様式と分野を問わない膨大なデータで大規模に学習される点を強調する。
その代表的な例が、最新バージョンのChatGPT、Gemini、Claudeのようなモデルである。これらは分野(数学、物理学、人文学など)やデータの形態(写真、音声、文字など)を問わず、ユーザーが望むものであれば何でも幅広く処理できる。
関連リンク
- ビスポークモデル
- ユニバーサルモデル
- 🔒(26/07/06)ファウンデーションモデル