ทันเอไอ

研究チーム、医療分野の複雑なマルチテーブルデータを処理する「RHT」フレームワークを提案

arXivで公開された最新研究、情報システムにおけるマルチテーブルデータの複雑性に対処するRelational Hypergraph Transformerアーキテクチャを提案

Edouard Lansiaux氏率いる研究チームは、プレプリントサーバーのarXiv（論文ID: arXiv:2608.26149）の人工知能（AI）および機械学習（ML）分野において、5次元マルチテーブル分析（5D Multi-Table Analysis）の手法と概念を提示する論文を公開した。

リレーショナルデータは複数の側面で複雑さが重なり合うため、マルチテーブル学習（Multi-table learning）はヘルスケアや複雑な情報システムにおいて大きな課題となっている。本研究では、膨大なデータ量、変数の多様性、カテゴリデータの多さ、テーブル間の複雑な関係性、反復的な時系列測定という「5つの複雑性の次元」を特定した。

これらの課題に対処するため、研究チームは「Relational Hypergraph Transformer（RHT）」と呼ばれるアーキテクチャを開発した。これはリレーショナルデータベースをハイパーグラフ（Hypergraphs）に変換し、5次元埋め込み（Pentadimensional embeddings：PentE）を学習するとともに、システム内のエンティティ数の2乗ではなく平均関係度数に比例する計算量でスパースな関係性アテンション（Sparse relational attention）を処理する。