数理最適化の代理モデルに「入力凸ニューラルネットワーク（ICNN）」が計算効率で優位性

数理最適化問題において、ニューラルネットワークを代理モデルとして組み込む手法は確立されています。従来はフィードフォワードニューラルネットワーク（FNN）が主流でしたが、計算コストの高いMIP（混合整数計画法）に帰着する課題がありました。今回、入力凸ニューラルネットワーク（ICNN）が、基となる関数が凸または凹の場合に、FNNを上回る計算効率とスケーラビリティを発揮することが示されました。これにより、最適化問題の解決時間が大幅に短縮される可能性を秘めています。