技術的概要：二値分類問題としての零次系に対する時間最適ニューラルフィードバック制御

1. 問題定義

本論文は、特に積分器の連鎖である線形零次系に対する時間最適フィードバック制御則の合成を取り扱っている。目的は、制御制約 $u(t) \in [-1, 1]$ の下で、初期状態 $x$ から原点へシステム $\dot{y}(t) = Ay(t) + bu(t)$ を最小時間 $T$ で誘導することである。

古典的なバンバン定理によれば、このようなシステムに対する最適制御信号は、最大 $n-1$ 回のスイッチング（ここで $n$ はシステム次元）を伴い、値を $\{-1, 1\}$ 間で取り、区分的に一定となる。特定の初期条件に対するオープンループ解は、スイッチング時刻を支配する多項式系によって特徴づけられるが、リアルタイムのフィードバック則（状態 $x$ から制御 $u$ への写像）を構築することは計算上困難である。グロブナー基底を用いる方法や、ハミルトン・ヤコビ・ベルマン偏微分方程式を解く従来の手法は、高次元において計算コストが許容不可能となるか、スケーラビリティを制限するグリッドベースの離散化を必要とする。

2. 手法

提案されたアプローチは、数値代数幾何学、根発見アルゴリズム、および教師あり機械学習を組み合わせ、近似フィードバックコントローラを構築する。手法は 2 つの主要なフェーズに分けられる。

フェーズ I：減衰ニュートン法による合成データ生成

学習に必要なデータセットを生成するため、著者らは様々な初期条件に対して時間最適制御問題を解く。

• 多項式定式化：時間最適制御問題は、スイッチング時刻の増分 $\{t_i\}$ に関する多項式方程式系（式 2.5）として再定式化される。この系に対する非負解の存在は、与えられた初期制御値 $u(0) \in \{-1, 1\}$ に対する最適スイッチング順序を決定する。
• 根発見：著者らは、計算量が二重指数関数であることが指摘されているグロブナー基底の代わりに、減衰ニュートン法を採用する。この反復手法は、既知の根を「減衰」させるために多項式系の残差を体系的に変化させ、アルゴリズムが系のすべての可能な実根を網羅することを可能にする。
• エルミート二次形式による根の数え上げ：減衰戦略の重要な構成要素は、停止基準（すなわち、どの程度の数の根を期待すべきか）を決定することである。著者らは、特定の初期条件に対して多項式系の実根の正確な数を計算するためにエルミート二次形式を利用する。これは、減衰アルゴリズムに対して鋭い上限（$n_{roots}$）を提供し、数値的不安定性を防ぎ、不要な反復なしにすべての解を見つけることを保証する。
• データセット構築：各サンプリングされた初期条件に対して、システムは $u(0)=1$ と $u(0)=-1$ 両方に対して多項式系を解く。有効な非負解が最適スイッチング構造を特定する。その後、著者らは得られた最適軌道に沿って 100 点をサンプリングし、状態 - 制御ペア $(y, u)$ のデータセットを作成する。

フェーズ II：二値分類器としてのニューラルフィードバック

第 2 フェーズでは、時間最適フィードバック則を二値分類問題として解釈する。

• 分類フレームワーク：最適制御 $u(t)$ が値 $\{-1, 1\}$ を取るため、フィードバック写像は状態空間 $\mathbb{R}^n$ から $\{-1, 1\}$ への写像を行う分類器としてモデル化される。
• ニューラルネットワークアーキテクチャ：フェーズ I で生成された合成データセットを使用して、深層フィードフォワードニューラルネットワークが訓練される。最終層は、モデルが分類に対する信頼度を提供できるように、確率 $P(u=1)$ を出力するシグモイド活性化関数を使用する。
• ハイブリッド制御戦略：信頼度が低いスイッチング面付近の状態を分類する難しさを解決するため、著者らはハイブリッドアプローチを提案する。ニューラルネットワークの信頼度が閾値 $\epsilon$ 未満の場合、システムはその特定の状態に対する正確な制御動作を決定するために、オープンループ多項式ソルバ（フェーズ I）を呼び出す。

3. 主要な貢献

1. 零次系のための計算ワークフロー：本論文は、減衰ニュートン法と根の数え上げのためのエルミート二次形式を組み合わせることで、高次元システムにおけるグロブナー基底の限界を回避する、一貫したワークフローを提案する。
2. エルミート形式による根の数え上げ：時間最適多項式系における実根の数を決定するためにエルミート二次形式を適用することは、根発見手順の効率性と安定性を保証するメカニズムとして強調されている。
3. 二値分類定式化：著者らは、時間最適フィードバック則の合成を教師あり学習の二値分類タスクとして再構成する。このアプローチは、リアルタイム運用中の軌道の反復計算の必要性を回避する。
4. 信頼度強化フィードバック：信頼度閾値の統合により、大半の状態に対してニューラルネットワーク推論の速度を活用しつつ、スイッチング面付近の曖昧な状態に対しては正確な多項式ソルバにフォールバックするハイブリッド制御則が可能となる。

4. 数値結果

本手法は、次元 $n=2$ から $n=5$ までの積分器連鎖でテストされた。

• 精度：ニューラルネットワーク分類器は、4 次で**96.76%から 5 次で99.61%**に至る高いテストセット精度を達成した。
• ロバスト性：加法性ガウスノイズを伴うモンテカルロシミュレーションにより、ニューラルフィードバック則がシステムを原点へ成功裡に誘導し、フィードバック補正の欠如によりオープンループ解が発散することが示された。
• ハイブリッド戦略のパフォーマンス：
  • 2 次の場合、ハイブリッド戦略（低信頼度の点に対してソルバを呼び出す）は、ネットワークが低い信頼度であってもスイッチング面点を正しく分類したため、純粋なニューラルコントローラに対して無視できる程度の改善しか示さなかった。
  • 高次元（3 次、4 次、5 次）では、ハイブリッドアプローチが最適時間ホライズン（$T_{NN}$）の近似を大幅に改善し、ニューラルネットワーク単独を使用する場合と比較して原点に到達するまでの時間を短縮した。
• 計算効率：根の数を制限するためにエルミート二次形式を使用することで、4 次の場合のデータ生成にかかる CPU 時間を、理論的限界を使用した場合の 108 分から 49 分に削減した。

5. 意義と主張

本論文は、零次系に対するリアルタイムフィードバックコントローラを構築するための、代数幾何学ベースの方法（グロブナー基底など）に対するスケーラブルな代替案を提示すると主張している。著者らは明示的に、グロブナー基底は理論的に妥当であるが、その計算コストにより次元が 3 を超える状態空間には適用不可能であると述べている。

この研究の意義は以下の点にある：

• スケーラビリティ：提案された数値的および学習ベースのアプローチを用いることで、時間最適制御の合成が最大 5 次元まで拡張可能であることを実証した点。
• リアルタイム実現可能性：ランタイムにおける多項式系の反復解を、必要に応じてのみフォールバック機構を備えたニューラルネットワークの単一のフォワードパスに置き換えた点。
• 非滑らかさへの対応：従来の大域近似手法がしばしば困難とするタスクである、不連続なバンバン制御則（非滑らかな場）を分類問題として扱うことで、その近似に成功した点。

著者らは、エルミート二次形式の計算自体が次元の増加に伴って計算的に高価になること（次元 7 まで成功裏に計算されたが、実験ではデータ生成に最大 5 次元まで使用された）について、その範囲に関しては控えめな姿勢を示している。彼らは、二値分類によるバンバン則の補間が、同様の構造を持つ他のスパース制御問題への道を開くと示唆している。