🤖 machine learning

ScaleMAP: Preserving Local Density and Neighborhood Structure in Low-Dimensional Embeddings

ScaleMAPは、ペアごとの変位を局所的な半径で正規化することにより、UMAPやDensMAPといった既存の手法では失われたり歪められたりしがちな疎な構造や広範な密度変化を効果的に復元し、低次元埋め込みにおいて局所的な密度と近傍構造の両方を保持する新しい次元削減手法である。

原著者： Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

公開日 2026-06-01

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

想像してみてください。あなたは、何千もの異なる物体で満たされた、巨大で散らかった部屋の中にいます。そこには巨大な岩石もあれば、小さな小石もあり、さらには二つの砂の山をつなぐ繊細な糸もあります。あなたの目標は、この部屋の写真を撮り、それらが互いにどのように関係しているかを見渡せるような、小さな紙（2Dマップ）に収めることです。

問題は、私たちが通常この写真を撮るために使う道具（UMAPやt-SNEと呼ばれます）が、あらゆる物体を同じサイズであるかのように扱う奇妙な癖を持っていることです。彼らは巨岩を押しつぶし、小石を引き伸ばして、すべてがだいたい同じ大きさに見えるようにしてしまいます。これは、どの物体が「近く」にあるかを見るには素晴らしいのですが、「混雑具合」や「疎らさ」に関する情報を破壊してしまいます。それはまるで、密集した森と、ぽつんと置かれた一本の木の両方が、同じだけのスペースを占めているように見える写真のようなものです。

この論文は、この問題を解決する新しいツール、ScaleMAPを紹介しています。以下に、簡単な比喩を用いてその仕組みを説明します。

問題点：「イコライザー」効果

既存のツール（UMXなど）は、あらゆる音量を強制的に一定にする厳格なオーディオ・イコライザーのように振る舞います。

問題: もし、密集した人混み（クラスター）と、橋の上を歩いているまばらなグループがあった場合、古いツールは人混みを押しつぶし、橋を伸ばして、両方が同じ大きさに見えるようにしてしまいます。
結果: 「橋」の情報が失われます。実際のデータにおいて、これらの橋は重要な遷移（例えば、細胞が一種のタイプから別のタイプへと変化すること）を表しています。ツールがこの橋を押しつぶしてしまうと、遷移が消えてしまい、データが壊れているように見えてしまうのです。

旧来の解決策：「ペナルティ」の追加

DensMAPと呼ばれる以前のツールは、数式に「ペナルティ」を加えることでこの問題を解決しようとしました。それはコンピュータにこう指示するものでした。「おい、もし人混みが小さくなりすぎたら、彼らを押し離せ！」

欠陥: このペナルティは、隣人と一緒にいるという本来の目的と戦ってしまいます。それは、誰かに常に引っ張られている状態で、友達と手を繋ごうとしているようなものです。その結果、人混みは散らばってしまい、人々は実際の隣人から遠く離れてしまい、マップは乱雑で読み取りにくいものになります。

新しい解決策：ScaleMAP（「可変ズーム」カメラ）

ScaleMAPは異なるアプローチを取ります。システムと戦うようなペナルティを加えるのではなく、カメラの「レンズ」自体を変えるのです。

あなたが街を歩いているところを想像してください：

混雑した市場では: 人がたくさんいるので、小さな歩幅で歩きます。
空いている公園では: スペースがたっぷりあるので、大股で歩きます。

ScaleMAPは数学的にこれを行います。元のデータがどれほど混雑しているかを確認し、マップに対してこう伝えます。「もしこのエリアが混雑していたら、点と点の距離を『小さく』扱いなさい。もしこのエリアが空いていたら、距離を『大きく』扱いなさい。」

つまり、**「ゲームのルールを変えるのではなく、混雑状況に基づいて、遊び場のサイズを変える」**ということです。

これによって達成されること

「可変ズーム」のアプローチを用いることで、ScaleMAPは他のツールができなかった二つのことを同時に成し遂げます：

隣人を近くに保つ: UMAPと同様に、友人は友人の近くに留めます。
混雑度を維持する: DensMAPと同様に、密集した人混みは密集して見え、疎らな場所は疎らなままに見えるようにします。

論文における実世界の例

著者たちは、3種類の「部屋」（データセット）でテストを行いました：

「細胞の街」（トランスクリプトミクス）: 免疫細胞に関するデータでは、異なる細胞タイプを繋ぐ「橋」（例えば、赤ちゃん細胞から成体細胞への経路）が存在します。UMAPはこの経路をあまりに細く押しつぶしてしまうため、消えてしまいます。ScaleMAPはこの経路を広く可視化し、細胞の全行程を示します。
「スペクトル画像」（ハイパースペクトルイメージング）: ほとんどが一色の虫の画像の中に、非常に鋭い別の色のスパイク（突起）がある状況を想像してください。UMAPはこのスパイクを背景の中に塗りつぶしてしまいます。ScaleMAPはこのスパイクを鋭く明確に保ち、まるで「干し草の山の中の針」のように、はっきりと見えるようにします。
「フローサイトメトリー」（細胞カウント）: このデータには膨大な密度の範囲があります。数百万個の細胞がいるエリアもあれば、ほとんど存在しないエリアもあります。UMAPやDensMAPはこの巨大な差に混乱してしまいます。ScaleMAPはこれを完璧に処理し、17桁のオーダー（それは、砂粒の大きさと山の大きさを一つのマップ上で比較することに相当します）にわたる構造を正確に示します。

結論

ScaleMAPは、3次元（あるいは100次元）のデータを2次元の絵に落とし込むための、よりスマートな方法です。データに一様な外観を強いることはしません。代わりに、異なるグループの自然な「サイズ」を尊重し、密集した人混みは密集したまま、疎らな橋は可視化されたまま、そして誰も人混みの中で迷子にならないようにします。これは、厄介な副作用を伴うことなく、従来のツールの最良の部分を組み合わせたものです。

技術要約: ScaleMAP

問題提起
非線形次元圧縮（DR）手法、特にUMAP、PaCMAP、t-SNEは、高次元データの探索的解析における標準的なツールである。これらの手法は近似的なk近傍（kNN）グラフを構築し、局所的な密度の変化を扱うために適応的なバンド幅を用いて局所距離を正規化する。この正規化は密度の変動に対する堅牢性を確保する一方で、意図せず近傍の絶対的なスケールを消失させてしまう。その結果、これらの手法はクラスターの相対的なサイズや、遷移中の細胞型間のブリッジ（架け橋）、ハイパースペクトル画像における狭いスペクトルのスパイク、あるいは（フローサイトメトリーにおけるように）多くの桁数にわたる密度変化といった、疎な構造を保持することができない。

これを修正しようとする既存の試み（DensMAPなど）は、元の空間と埋め込み空間の局所密度の相関を最大化するために、損失関数にペナルティ項を導入する。しかし、本論文では、このアプローチが相反する目的を生み出していると論じている。すなわち、密度ペナルティがUMAP固有の引力・斥力のバランスと衝突してしまうのである。この衝突により、点が真の近傍から散逸してしまい、結果として「孤立した点（disconnected points）」の割合が高まり、疎な領域の解釈が困難になる。

手法
ScaleMAPは異なるアプローチを提案する。既存のUMAPの目的関数に競合する損失項を追加するのではなく、既存の距離指標に対して**変数変換（change of variables）**を適用することで、スケール情報を再導入する。

局所半径の定義: ScaleMAPは、近傍における点の重み付き平方根平均二乗距離（root-mean-square distance）を、近傍スケールの尺度として「局所半径（ $r_i$ ）」を利用する。
再スケーリングされた距離: 損失関数において、ユークリッド二乗距離 $d_{ij}^2 = \|y_i - y_j\|^2$ を直接使用する代わりに、ScaleMAPは以下の再スケーリングされた二乗距離を定義する：
$\tilde{d}_{ij}^2 = \frac{d_{ij}^2}{r_i r_j}$
ここで、 $r_i$ と $r_j$ は両端点の局所半径である。
力の修正: この置換により、クロスエントロピー損失の勾配が修正される。引力（近傍）および斥力（非近傍）の両方の更新ルールが $1/(r_i r_j)$ $1/ (r_{i} r_{j})$ という因子によってスケーリングされる。
- 対称性: 決定的なことに、この再スケーリングは引力と斥力の両方に対称的に適用される。これにより、UMAPの近傍保存特性を与える局所的な平衡状態が維持される。
- 効果: 疎な領域にある点（大きな $r_i, r_j$ ）は、単位ユークリッド変位あたりの力が弱くなるため、埋め込み内で拡散される。一方、密な領域にある点は、引き続きタイトに集まる。
正規化: 元のデータと埋め込みの独立した距離スケールを扱うため、半径の分布の95パーセンタイル（ $P_{95}$ ）を用いて局所半径を正規化してから代入を行う。
PaCMAPへの拡張: 同様の原理をPaCMAPにも適用し（Scale-PaCMAPと呼称）、半径の幾何平均をPaCMAPの各点ごとの距離スケール（ $\sigma_i \sigma_j$ ）に置き換える。

主な貢献

斬新な定式化: 損失項を追加するのではなく、変数変換を通じて局所スケール情報を注入する、UMATの修正版としてのScaleMAPの導入。
性能のバランス: ScaleMAPが、UMAPレベルの近傍保存性能を達成しながら、DensMAPと同等以上の密度保存を実現し、かつ散逸した（孤立した）点が大幅に少ないことを実証した。
構造の回復: UMAPが崩壊させてしまう疎な構造（例：トランスクリプトミクスのブリッジ）を正常に回復できる。
汎用性: 変数変換の原理が他の手法（具体的にはPaCMAP）にも一般化できることを示した。

結果
著者らは、標準的なベンチマーク（MNIST, Fashion-MNIST, COIL-20, Mammoth）および3つの科学的データセット（Tabula Sapiens トランスクリプトミクス、BCARS ハイパースペクトルイメージング、ヒト骨髄フローサイトメトリー）を用いてScaleMAPを評価した。

定量的指標:
- 密度保存: ScaleMAPは、ほとんどのデータセットにおいてDensMAPに匹敵する密度保存（対数-対数プロットの $R^2$ ）を達成した（例：Fashion-MNISTにおいて、DensMAPの0.58に対しScaleMAPは $R^2 \approx 0.51$ ）。極端なダイナミックレンジを持つデータセットでは、ScaleMAPはDensMAPを凌駕した（例：フローサイトメトリーでは $R^2 = 0.80$ 対 $0.68 $、ハイパースペクトルイメージングでは$ R^2 = 0.81 $対$ 0.59$）。
- 近傍保存: ScaleMAPは、UMAPと同等のkNN再現率を維持しており（例：Fashion-MNISTにおいて、UMAPの13.3%に対し14.3%）、DensMAP（7.1%）よりも有意に優れている。
- 孤立した点: ScaleMAPは、孤立した点の割合を低く、UMAPと同等の水準に抑えている（例：UMAPの0.11%に対し0.19%）。これに対し、DensMAPは1桁多い孤立した点を示した（3.48%）。
- クラスの混合: ScaleMAPは、両方のベースラインと比較してクラスの混合を低減させている。
定性的観察:
- トランスクリプトミクス: ScaleMAPは、UMAPでは崩壊または不可視となっている細胞集団間の疎なブリッジ（例：単球-好中球、B細胞-T細胞）を回復する。
- ハイパースペクトルイメージング: UMAPが圧縮または背景に吸収してしまう疎なスペクトルのスパイクや小さなクラスターを明らかにする。
- フローサイトメトリー: 17桁のオーダーにわたるマルチスケール構造を忠実に表現し、UMAPやDensMAPでは微小な特徴として現れてしまうマーカー陰性細胞の密な「バルブ（球状構造）」を保存している。
- 合成診断データ: 「XOI」および「Bridge」データセットにおいて、ScaleMAPは相対的なサイズと疎な接続を正しく保持するが、DensMAPは形状を歪ませ、点を散逸させる。

意義と主張
本論文は、ScaleMAPが近傍保存型の埋め込みにおいて、スケルの扱いに関する根本的な改善を表していると主張している。変数の再スケーリングを、競合する目的関数としてではなく変数変換として扱うことで、ScaleMAPはDensMAPが直面している「密度忠実度と近傍の完全性の間のトレードオフ」を回避している。

著者らは、ScaleMAPが「一方の軸の品質を犠牲にして他方を向上させる」ということがない唯一のテスト済み手法であると断言している。すなわち、UMAPの近傍保存能を維持しつつ、DensMAPと同等の密度忠実度を実現し、さらに広範なダイナミックレンジを持つデータセットではPaCMAPを上回るグローバルな距離順序の保存を実現している。本論文は、局所スケールの復元こそが、近傍保存型埋め込みにおける普遍的な欠落要素であると結論付け、スケールを忠実に表現することが重要な場合にはScaleMAPをデフォルトの手法として使用することを推奨している。なお、この手法は計算効率が高く、半径の事前計算による $O(n)$ のオーバーヘッドのみが追加され、総実行時間はUMAPのおよそ2倍である。