The Curvature Shadow: An Apparent Failure of Maximum-Entropy Equilibrium Selection is a Removable Artifact

技術的要約：正則化ナッシュ・ダイナミクスにおける曲率の影（The Curvature Shadow in Regularized Nash Dynamics）

問題提起
ナッシュ均衡（NE）の集合が単一の点ではなく凸多面体を形成する2プレイヤー零和ゲームにおいて、正則化ソルバーであるRegularized Nash Dynamics (R-NaD) は、経験的に最大エントロピー均衡に収束することが観察されている。このメンバーは、一様参照戦略のNE集合への情報投影（I-projection）と理論的に等価である。しかし、クーン・ポーカー（Kuhn poker）には明白な例外が存在する。R-NaDは正確なナッシュ均衡（ゼロ・エクスプロイタビリティ）に収束するものの、得られたブラフ頻度（0.180）は、理論上の最大エントロピー座標（0.201）から約0.021乖離している。これは、収束したプロファイルが最大可能なエントロピーの99.7%を達成しているにもかかわらず発生している。中心となる問いは、この座標の乖離がR-NaDにおける真の系統的な選択バイアスなのか、それともエントロピー・ランドスケープの局所的な幾何学と、わずかな残留エントロピー不足との相互作用から生じるアーティファクト（人工物）なのかという点である。

手法
本研究では、サンプリングや関数近似を用いない、正確なカウンターファクチュアル値を持つ表形式の拡張型エンジンを用いた診断的アプローチを採用している。分析は、1次元のナッシュ・セグメントを持つ5つのゲーム（逐次型・不完全情報ゲームであるクーン・ポーカーと、単一の情報集合を持つ4つの行列ゲーム）に焦点を当てている。

1. 理論的分解: 著者らは、1次元のナッシュ多様体上における選択ギャップの局所的な幾何学的恒等式を導出した。最大値 $c^*$ 周りでエントロピー関数 $H(\sigma(c))$ を展開することにより、エントロピー不足 $\delta = H^* - H(\sigma(c))$ を持つ点について、以下の関係式を確立した：
   $$\text{gap} \approx \sqrt{2\delta / \kappa}$$
   ここで $\kappa$ は、ピークにおけるエントロピー・ランドスケープの局所的な曲率である。この分解により、「不足分（なぜソルバーが最大エントロピーに到達する前に停止するのか）」と「曲率（その不足分がいかに座標のオフセットへと増幅されるか）」を分離している。

2. 仮説検証: 本論文では、以下の2つの仮説を対比させている：

   • $H_{flat}$: ギャップは、平坦さ（$\kappa$）によって増幅された、除去可能な小さなエントロピー不足 $\delta$ のアーティファクトである。$\delta \to 0$ となるにつれ、ギャップは消失する。
   • $H_{bias}$: R-NADには系統的なバイアスが存在し、$\delta \to 0$ となったとしても、ギャップは非ゼロの値として残存する。

3. 実験的検証:

   • 静的比較: 全5ゲームに対してR-NADを実行し、着地した座標、エントロピー不足 $\delta$、および曲率 $\kappa$ を測定した。
   • 因果的スイープ（クーン）: R-NADの磁石強度パラメータ $\eta$ を0.80から0.10まで掃引した。この変動により、ダイナミクスの安定性を維持したままエントロピー不足 $\delta$ をゼロへと駆動し、ギャップの挙動と予測される $\sqrt{2\delta/\kappa}$ 曲線との関係を観察した。
   • 曲率の定量化: 最小二乗法による二次適合を用いて各ゲームの $\kappa$ を定量化し、スケーリング関係を検証した。

主要な貢献と結果

• ギャップの正確な分解: 本研究は、テストされたすべてのゲームにおいて、座標のギャップが正確に $\sqrt{2\delta/\kappa}$ と分解されることを確認した。この関係は相対誤差 $2 \times 10^{-4}$（相対誤差 < 1%）以内で成立している。
• クーン例外の解決:
  • 4つの行列ゲームでは、R-NADは最大エントロピー・メンバーに正確に到達（$\delta \approx 0$）しており、曲率（たとえクーンよりも平坦なゲームであっても）に関わらずギャップはゼロとなった。
  • クーン・ポーカーにおいては、小さなエントロピー不足（$\delta \approx 8.3 \times 10^{-4}$）が存在する。中程度の平坦なピーク（$\kappa \approx 4.0$）により、この小さな不足分が観測された0.021の座標ギャップへと増幅されている。
  • したがって、このギャップは選択バイアスではなく、除去可能な不足分の「曲率の影（curvature shadow）」であると特定された。
• 磁石スイープによる因果的検証: クーン・ポーカーにおいて磁石強度 $\eta$ を弱めることで、$\delta \to 0$ へと駆動した。その結果、ギャップは予測された曲線に沿ってゼロに向かって減少した。ギャップ vs $\delta$ の対数・対数プロットによるフィットの結果、スケーリング指数は0.5013（$R^2 > 0.999999$）となり、これは $H_{flat}$ の理論的予測である $1/2$ と一致し、$H_{bias}$（傾きが0に近づくことを予測する）を否定した。ギャップがゼロに達しないのは、$\eta$ が安定性の閾値（$\eta \approx 0.15$）を下回り、ダイナミクスが不安定化（リミットサイクル）する場合のみであった。
• 曲率依存性: 平坦さはギャップの必要条件であるが十分条件ではないことも示された。不足分（$\delta$）が非ゼロであることも必要である。仮に鋭いピーク（$\kappa \approx 20$）を持つ場合、クーンの比較的平坦なピークと比較して、不足分によるギャップは約2.24倍小さくなる。
• ツァリス・エントロピーに関する注意: 本論文は、調整なしにツァリス・エントロピーを「曲率ダイヤル」として使用することに警告を発している。エントロピー指数 $q$ を変更すると、ターゲットとなる最大エントロピー座標 $c^*_q$ 自体が移動してしまうため、ツァリス正則化ソルバーとシャノン・ベースのターゲットを比較することは、移動するターゲットと曲率効果を混同することになる。

意義と主張
本論文は、クーン・ポーカーにおける一見した反例に対する防御可能な説明を提供し、I-projection予想（R-NADは最大エントロピー・メンバーを選択する）が「平坦さに制限された残留成分」まで有効であることを支持している。主な意義は、観察された偏差が選択メカニズムの根本的な失敗ではなく、小さな除去可能な不足分に対してエントロピー・ランドスケープの曲率が作用した結果としての幾何学的アーティファクトであることを示した点にある。

本研究は、その範囲を明確に限定している：

• すべてのゲームや初期条件に対してI-projection予想を証明するものではなく、一様参照レジームにおける妥当性を検証するものである。
• 逐次型ゲームにおけるエントロピー不足の原因となる正確なメカニズム（リーチ重み付き正則化に関連すると推測されている）を特定したわけではなく、それが存在することを示したに過ぎない。
• 曲率 $\kappa$ 自体の因果的スイープ（調整可能な曲率を持つ安定した逐次型ゲーム・ファミリーが存在しないため）は行っていない。代わりに、測定された曲率と導出された幾何学的恒等式に基づいている。

結論として、「クーン・ギャップ」は除去可能なアーティファクトであり、ソルバーのダイナミカルな安定性の制約に従う限り、$\delta$ をゼロに駆動すればI-projectionの説明は依然として有効である。