[1I3-GS-10f] AI application

1:40 PM - 1:55 PM JST(4:40 AM - 4:55 AM UTC)

[1I3-GS-10f-01] Domain-Adaptive Tabular Diffusion Models with Cross-Attention for Manufacturing Applications

〇Masato Takazawa¹, Yoichi Kigawa¹ (1. Nitto Denko Corporation)

Keywords:

Tabular Data,Transfer Learning,Domain Adaptation,Diffusion Models

合成ゴム発泡工程では品番ごとの配合差で表形式データの統計量が大きくずれ、新製品や低頻度品番では学習データ不足が深刻になる。クロスドメイン環境で汎用的な表形式生成モデルをそのまま適用すると、ソース分布で学習した表現がターゲット性能をむしろ劣化させる負の転移が発生しやすい。本研究では拡散モデルの逆過程にクロスアテンション機構を組み込み、ターゲットの拡散状態をソース・ターゲット双方の文脈と突き合わせながらノイズ推定する表形式データ生成手法を提案する。ターゲット分布の再現性はワッサースタイン距離で監視し、生成データで再学習した LightGBM の決定係数R² で予測妥当性を評価し、両指標の改善度に応じて追加生成件数を上限付きで制御する。Kumho系列データ（ソース品番A、ターゲット品番B）で検証した結果、重要特性C, D, Eの平均R²が0.485から0.556へ14.6%向上し、少量データ下でも安定したクロスドメイン拡張が可能であることを示した。実験の結果、クロスアテンション付き拡散モデルにより負の転移を抑えつつ物理的に妥当なデータを継続的に供給できることが確認された。