「同期した時系列データ間の｢見えない因果｣の新規検出法」　京都大学　白眉センター　特定准教授　潮 雅之

「京都大学 新技術説明会」（2019年5月16日開催）にて発表。https://shingi.jst.go.jp/list/kyoto-u/2019_kyoto-u.html

【新技術の概要】
世の中には日周変動や年周変動といった周期性を持つ現象はありふれているが、「周期が同調した現象間の因果」を検出することは容易ではない。今回周期性の解析手法であるフーリエ解析と因果推論の手法を組み合わせ「同期した時系列間の因果関係」を検出する手法を開発した。

【従来技術・競合技術との比較】
時系列解析を利用した因果推論手法は多くあるが、それらは「同調した時系列」に適用すると「因果関係の誤判定」がしばしば起こる。今回開発した手法ではそのような「誤判定」の可能性が従来より格段に下がる。さらに、正しい因果をモデルに組み込むことで系に将来起こる変化も予測可能である。

【新技術の特徴】
・同期した複数の時系列から因果関係を特定可能
・対象とする系をどのように操作すれば望む変化を起こせるか提案可能
・時系列データさえあればどのような分野でも応用可能

【想定される用途】
・腸内細菌データから人の健康に影響を与える微生物種を特定
・温度や振動といった物理現象データから製品の品質に与える要因を特定・改善法の提案
・発酵食品の製造中の微生物データ・環境データの変動情報から食品の品質改善法を提案

#分析