ガウス過程などの確率モデルで中身のわからないブラックボックス関数を近似し，予測値のよさと探索の効率性を考慮しながら評価点を選び，観測とモデル更新をくり返して最適解を探索する手法．（実験医学増刊445より）

AI・データ駆動型創薬研究

マルチオミクス✕ケモインフォマティクスでより確実な治療標的を見つけ、薬をデザインする

柚木克之，山西芳裕／編

限られた実験データから目的関数の近似モデル（サロゲートモデル）を構築し，次に試す条件を確率的に決定する最適化手法．探索と利用のバランスをとりながら，最少の試行で最良の結果を得ることを目的とする．創薬・材料探索など高コスト実験の効率化に広く用いられる．（実験医学増刊445より）

AI・データ駆動型創薬研究

マルチオミクス✕ケモインフォマティクスでより確実な治療標的を見つけ、薬をデザインする

柚木克之，山西芳裕／編

少ない試行回数で関数の最大値（または最小値）を探索するための最適化手法．過去の試行結果から予測モデルを学習し，次に試すべき最も有望な点を獲得関数を用いて決定する．（実験医学増刊445より）

AI・データ駆動型創薬研究

マルチオミクス✕ケモインフォマティクスでより確実な治療標的を見つけ、薬をデザインする

柚木克之，山西芳裕／編

機械学習のハイパーパラメーターを探索するのに用いられる推定法の1つであり，ガウス過程回帰により未知の関数をデータから学習しつつ，少ない試行回数でその関数の大域的最適解の推定を行うことができる．（実験医学増刊4115より）

マルチオミクス　データ駆動時代の疾患研究

がん、老化、生活習慣病　最新のオミクス統合で挑む標的探索と病態解明

大澤　毅／編