技術的概要：多忠実度量子回帰（MFQR）

1. 問題定義

多くの科学分野（例：分子設計、材料科学）において、高忠実度（HF）データ（湿式実験の結合アッセイや高分解能シミュレーションなど）は正確であるが、収集が困難で高価である。一方、低忠実度（LF）データ（分子ドッキングスコアや粗グリッドシミュレーションなど）は豊富に存在するが、不完全な代理指標である。多忠実度学習は条件付き平均の推定に広く適用されてきたが、条件付き分位の推定は依然として課題となっている。

分位回帰は、特に異分散性や非対称なデータに対して、不確実性の定量化に不可欠である。しかし、HF サンプルサイズ（$n_H$）が限られている場合、条件付き分位推定量は高い分散に悩まされ、これは目標分位における条件付き密度に反比例してスケーリングする。このことは、マージナルなカバレッジを保証するコンフォーマル予測を用いたとしても、不安定な分位推定値と広大で信頼性の低い予測区間をもたらす。既存の多忠実度手法は主に平均関数を対象とするか、単純な自己回帰関係を仮定しており、これらは条件付き分位の複雑でレベル依存性のある性質には直接適用できない。

2. 手法

著者らは、モデル非依存の 2 段階フレームワークである多忠実度分位回帰（MFQR）を提案する。中核的な革新は、推定問題を再定式化する局所分位リンクである。

2.1 局所分位リンク（仮定 1）

この手法は、目標 HF 分位レベル $\tau$ と共変量 $x$ に対して、HF 分位 $Q_H(\tau | x)$ が、共変量依存の確率レベル $u_\tau(x)$ で評価された LF 分位として表現できると仮定する：
$$Q_H(\tau | x) = Q_L(u_\tau(x) | x)$$
ここで、$u_\tau(x) \in (0, 1)$ は「レベル関数」である。LF と HF の条件付き分布が類似した形状を持つ場合、$u_\tau(x)$ は元の HF 分位関数 $Q_H(\tau | x)$ よりも共変量空間上でより滑らかに変化する可能性がある。

2.2 ウォーラ推定量

第 1 段階では、問題を $u_\tau(x)$ の推定に変換することで「ウォーラ」推定量を構築する：

1. HF 応答の変換: LF 条件付き CDF 推定量 $\hat{F}_L(\cdot | x)$ を用いて、HF 応答 $Y^H_i$ を疑似応答 $\hat{U}_i = \hat{F}_L(Y^H_i | X^H_i)$ に変換（ラップ）する。
2. レベル関数の推定: HF サンプル $\{(X^H_i, \hat{U}_i)\}$ に対して分位回帰を実行し、ラップされた応答の条件付き分位を推定する：$\hat{u}_\tau(x) = \hat{Q}_{U|X}(\tau | x)$。
3. 逆写像: 最終的なウォーラ推定量は、LF CDF を逆変換することで得られる：$\tilde{q}_\tau(x) = \hat{F}_L^{-1}(\hat{u}_\tau(x) | x)$。

理論的利点: 忠実度の差が局所的なスケール歪みである構造的モデルの下では、ラップされた目標 $u_\tau(x)$ は相対的な歪み関数のみに依存する。この歪みが HF 分位を駆動する元の平均関数やスケール関数よりも滑らかな場合、ウォーラ推定量は直接 HF 分位回帰よりも高速な収束率（低い分散）を達成する。

2.3 補正フレームワーク

ウォーラが最適でない領域（例：LF データが非情報的である場合、または局所分位リンクが弱い場合）に対処するため、著者らは近接補正フレームワークを導入する：

• 1 段階補正: HF 分位方程式を用いて、ニュートン法に似た更新をウォーラ推定量に適用する。これは $\hat{F}_H(q | x) = \tau$ の解に向かって推定値を移動させることでバイアスを補正する。ステップサイズは、ピンボール損失を最小化するようにクロスフィッティングを通じて調整される。
• 多段階補正: 局所分位リンクが著しく失敗する場合、初期値がニュートン盆地内にあることを前提として、経験的 HF 分位根に収束させるために反復的なニュートン更新が適用される。

このフレームワークは、補正段階での過学習を防ぐために、限られた HF データ上でクロスフィッティングを利用する。

3. 主要な貢献

1. 新規な再定式化: 本論文は「局所分位リンク」を導入し、HF 分位推定を確率スケール上のより滑らかなレベル関数 $u_\tau(x)$ の推定へと変換する。
2. 理論的特徴付け: 歪み関数が HF 分位面よりも滑らかな場合、ウォーラ推定量が直接 HF 回帰を上回ることを示す収束率を提供する。また、補正段階がさらなる改善をもたらす条件（特に、HF CDF が小サンプルサイズであっても正確に推定可能な場合）を特徴づける。
3. モデル非依存性: この手法は、HF 段階において特定のパラメトリック形式や生 LF 学習データへのアクセスを必要としない。LF 条件付き CDF の推定量のみを必要とする。これにより、事前学習済みの LF モデルとの統合が可能となる。
4. 頑健性: このフレームワークには、LF データが「誤った情報」を含む場合（つまり、ウォーラ仮定が十分に成り立たない場合）でも頑健性を保証する補正機構（1 段階および多段階）が含まれている。

4. 実験結果

著者らは、合成データおよび 5 つの科学データセット（アクリルアルデヒド、チミン、o-HBDI、バーガース PDE、形成エネルギー）において MFQR を評価した。

• 情報的領域: LF と HF の分布が類似した形状を持つ場合、ウォーラ推定量は HF のみのベースラインと比較して、平均二乗誤差（MSE）と予測区間の幅を大幅に削減する。レベル関数 $u_\tau(x)$ はほぼ平坦であり、滑らかさの理論的利得が確認される。
• 非情報的領域: LF データが HF データには存在しない異分散性を導入する場合、ウォーラ単独ではわずかな改善しか提供しない。しかし、1 段階補正は、HF 分位方程式を活用してウォーラのバイアスを補正することで、MSE を劇的に削減する（合成例では約 78% の削減）とともに、区間を狭める。
• 誤情報的領域: LF と HF の平均関数が非線形に異なる場合、未補正のウォーラは性能が劣る。多段階補正は、HF 分位方程式を反復的にターゲットにすることで、直接 HF 推定と同等の性能を回復させることに成功する。
• 科学データセット: 分子および PDE データセット全体において、MFQR および MFQR + OS は、名义 90% のカバレッジを維持しつつ、最も狭いコンフォーマル予測区間（幅の 20–39% の削減）を生成する。

5. 意義と主張

本論文は、MFQR がデータ不足の科学環境における不確実性定量化のための、頑健でモデル非依存の解決策を提供すると主張する。その意義は以下の点にある：

• ギャップの埋め合わせ: 条件付き平均から条件付き分位へと多忠実度学習を拡張し、意思決定（例：創薬）における信頼性の高い予測区間に対する重要なニーズに応える。
• 効率性: レベル関数の滑らかさを活用することで、HF 分位を推定するために必要なサンプル複雑性を削減する。
• 適応性: 2 段階設計（ウォーラ＋補正）により、LF データが高度に情報的である場合でも、潜在的に誤った情報を含む場合でも、手法が有効であることを保証する。
• 実用性: このフレームワークは既存の LF モデル（ファウンデーションモデルを含む）と互換性があり、生 LF データの再学習を必要としないため、HF ラベルが主要なボトルネックとなるシナリオに適している。

著者らは、この手法が LF と HF の分布が構造的な類似性を共有する場合に最も強力であるが、補正ステップにより不利な領域でも性能が低下しないことを保証し、科学的発見のための信頼性の高いツールを提供すると結論づけている。