巨大なノイズからゴールドを取り出す—GAASによるマルコフチェーンモンテカルロ法
TANAAKKの提供するGAAS（ガース）とは、グローバル500兆円、国内年間20兆円を超える研究開発成果を収益とオペレーティングレバレッジに繋げる一連のツールキットを提供する。これはGrowthであり、Gravityである。記号（Symbol）の操作により、質量(Mass)を操作することができるという数学、物理、コンピュテーションの歴史的発明がGAASの背景にある。膨大な偶然の中から、極めて稀な「当たり」を、一歩ずつ確からしさへ収束させる—それがGAASの設計思想である。
１回目の人生で可能な限りラッキーな結果を得るという哲学が背景にある。GAASはモンテカルロシミュレーションの最も有利な確率僅少の出口へ向けて、ベイジアンネットワークのマルコフチェーンをlikelihoodに向け、Space Time RandomnessをResourceとして、一歩ずつ進めるコンセンサスアルゴリズムおよび分散ノード型チューリングマシンである。
モンテカルロと尤度——「希少」を探す数学
モンテカルロシミュレーションは、乱数による反復計算で、解析的に解けない問題の近似解を得る手法だ。多次元空間の確率分布や、発生確率が極めて低いレア事象の推定に強い。事前知識が乏しいときほど、空間全体へ一様にサンプリングし、試行結果から密度構造を浮かび上がらせる。ウランやプルトニウムの精製、加工、応用にもモンテカルロシミュレーションが使われた。成長企業の株式価値算定にもよく用いられる。
観測データ \(X=\{x_1,\ldots,x_n\}\) が与えられたとき、未知パラメータ \(\theta\) に対する尤度は、
\[L(\theta\mid X)=f(X\mid\theta)=\prod_{i=1}^{n}f(x_i\mid\theta)\]と定義される。「どの \(\theta\) が、このデータを最もうまく説明するか」を逆算する指標であり、伝統的な「事象が起きる確率」とは視点が逆だ。
最尤推定（MLE）は、この尤度（または対数尤度）を最大化する \(\hat{\theta}\) を求める。
\[\hat{\theta}=\arg\max_{\theta}L(\theta\mid X)\]広大な仮説空間から、データに最も適合するモデル——いわば「宝の地図」——を同定する操作である。GAASが「likelihoodへ向けてマルコフチェーンを進める」と言うとき、指しているのはまさにこの方向性だ。Space Time Randomnessを資源とし、有利な僅少確率の出口へ、合意形成しながらノードが歩を進める。
鉱山探査とデータ解析は同じ逆問題である
GAASの構造は、机上の理論だけではなく、ゴールドサプライチェーンの鉱山探査や銅の電解精錬という化学工程にも、似たような形で存在する。
| 概念 | 統計・データサイエンス | 鉱山・資源工学 |
|---|---|---|
| 真の目的 | 真の \(\theta^{*}\)、希少事象 | 金鉱床の核心 |
| 観測データ | サンプル \(X\) | 銅鉱床の分布・分析値 |
| 探索手法 | モンテカルロ・サンプリング | ボーリング・物理探査 |
| 評価尺度 | 尤度 \(L(\theta\mid X)\) | 地質モデルの整合性 |
| 推論結果 | 最尤推定 \(\hat{\theta}\) | 金が最も高確率な掘削点 |
自然界では「金があるから銅の配置が決まる」という順問題がありうる。しかし人間が手にするのは観測された銅の配置だけだ。そこから内部構造（金の局在）を読むのは典型的な逆問題であり、尤度と最尤推定がその数学的な橋になる。
銅電解精錬——物理が行う「尤度の最大化」
鉱山の粗銅（純度約98〜99%）は、硫酸銅・硫酸の電解液中で電解精錬される。陽極は粗銅、陰極は純銅板だ。
- 陽極：\(\mathrm{Cu}\rightarrow\mathrm{Cu}^{2+}+2e^{-}\)
- 陰極：\(\mathrm{Cu}^{2+}+2e^{-}\rightarrow\mathrm{Cu}\)
粗銅中の貴金属（Au, Ag, Pt, Pd など）は、銅より標準還元電位が高く、電解下で溶けにくい。微粉末の不溶物として槽底に沈む——これがアノードスライムである。
スライム回収後、王水（濃硝酸と濃塩酸を体積比1:3）で金を可溶化する。硝酸の酸化と塩化物イオンの錯形成により、テトラクロリド金(III)酸イオンが生じる。
\[\mathrm{Au}+\mathrm{HNO}_3+4\mathrm{HCl}\rightarrow\mathrm{H[AuCl_4]}+\mathrm{NO}+2\mathrm{H}_2\mathrm{O}\]二酸化硫黄や硫酸第一鉄などで還元すれば、高純度の金粉末を沈殿回収できる。巨大な銅の流れから、希少な金だけが物理的に濃縮される過程である。
ベイズ的濃縮——事前ほぼゼロから、事後ほぼ1へ
地殻全体から無作為に金を探す事前確率 \(P(\mathrm{Au})\) は、実質ゼロに近い。しかしアノードスライムを得た時点の条件付き確率 \(P(\mathrm{Au}\mid\text{Anode Slime})\) は、ほぼ1へ跳ね上がる。
情報論的に見れば、電解精錬プラント自体が、莫大なノイズ（Cu, Fe 等）をろ過し、目的シグナル（Au, Ag）の濃度を上げる「物理的尤度最大化計算機」だ。統計アルゴリズムがデータ上で情報を圧縮するのと、工場が物質上で同じ操作をしている——そう言ってよい。
GAASの分散ノードが、ランダムネスを資源にしつつlikelihoodへ連鎖的に収束する姿は、スライムが銅の海から貴金属を沈殿させる姿と、幾何学的に同じ図形を描いている。
ゴールドを手に入れるために必要なのは、本来であれば、ビッグバンの余熱で作られた中性子星同士の衝突（キロノヴァ）や中性子星のブラックホールへの重力崩壊（コラプサー）であり、その周辺のr過程で原子核が中性子を捕獲してゴールドやプラチナが手に入る。そのゴールド、プラチナが隕石として宇宙空間を進み、凝縮されたのが地球のような惑星で、さらに地殻深くに埋まるゴールドが、マントルや地殻変動でたまたま隆起したのが金鉱山である。ゴールドを手に入れるためにチリの金鉱山の近くに引っ越して土を掘るというやり方もある。また、未開の鉱山を掘って金脈を探すというやり方もある。しかし、どれも演算コストが高い。銅を精錬している工場の廃棄物を集めて、化学工程を経るのが最も予測可能性の高い取得方法である。
さらに、ゴールドのサプライヤーには全く関わることなく、テクノロジー業界でグローバル消費者から貨幣を集めて、純利益でゴールドの時計を買う方がさらに簡単かもしれない。
統計的推定と物理的濃縮は、領域を超えて「巨大ノイズから低確率の希少事象を高精度に特定・抽出する」という一つのフレームワークで読める。GAASはその情報側の実装であり、アノードスライムからの金回収は、物質側の実装である。どちらも、偶然を捨てず、偶然を資源にし、確からしさの高いベイジアンネットワークへ一歩ずつ進む技術である。
参考文献
Hastie et al. (2009) The Elements of Statistical Learning; Robert & Casella (2004) Monte Carlo Statistical Methods; Pawlek (1983) Copper Anode Slime Treatment; Schlesinger et al. (2011) Extractive Metallurgy of Copper; Greenwood & Earnshaw (1997) Chemistry of the Elements; MacKay (2003) Information Theory, Inference and Learning Algorithms.