XIO

xWire

Posts from every feed QUEST has found across the web — blogs, news, podcasts, channels and more.

Science - Speaker Deck

予測モデルは、作る前に何を決め、外れをいくらと見て、いつ作り直すのか? 東京の電力需要の予測1年分で確かめる(前編)

東京エリアの電力需要の予測1年分で、予測を仕事で回すときの3つの決めごと(何で測るか・外れの値段・いつ作り直すか)を確かめました。同じ9つの予測でも測り方で1位が入れ替わる一方、近いモデルどうしの差は偶然の幅の中でした。足りない値段が余る値段の9倍なら点予測に約3%上乗せで外れの値段は約4割減り(比は例)、ずれには外れの大きさより向きを見るほうが数倍早く気づきました。 note:https://note.com/takayukimatsuura/n/nee110c0c1214 GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F205_power_forecast_practice_part1

雇用が増えた町に、人は集まったのか? 産業構成から作るバーティク操作変数で1,736市区町村を調べる

雇用の伸びと転入超過の関係を、産業構成 × 全国の産業ごとの伸びで作るバーティク操作変数と2段階最小二乗法で推定しました。効果はプラスに出ましたが、答えのほぼ半分を宿泊・飲食が決めており、同じ操作変数がショックの前の転入超過まで説明したため、因果とは言えないと判断しました。 note:https://note.com/takayukimatsuura/n/n089d578d6e51 GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F46_bartik_iv

将来人口の推計は、自分で再現できるか? コーホート要因法で社人研の推計をつくり直し、2025年国勢調査で答え合わせする

社人研「日本の地域別将来推計人口」の公表の仮定値を使って推計を自分のコードで再現し(2050年の値は93%の地域で0.1%以内の差)、2025年国勢調査で答え合わせしました。2023年推計の市区町村の誤差は平均1.80%で、小さい町ほど外れやすく、移動の仮定しだいで2050年の全国の人口は大きく動きます。 note:https://note.com/takayukimatsuura/n/n0b617dbec25e GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F45_population_projection

金利が上がると、何か月後に何が動くのか? VAR と局所射影で同じ金利ショックを追って比べる

1985〜2008年の日本で、短期金利が「予想外に」0.25%ポイント上がったときの生産・物価・失業率・ドル円の動きを、VAR と局所射影の2つの手法で推定して比べました。生産がはっきり下がったのは局所射影の36か月後(−0.75%)だけで、物価はむしろ上がり、2つの手法の答えはそろいませんでした。 note 記事:https://note.com/takayukimatsuura/n/na37a727cd65b コードとデータ(GitHub):https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F43_local_projections

季節調整を自分でやると、公表値と同じになるのか? 鉱工業指数と労働力調査を X-13 で作り直して比べる

鉱工業指数(経済産業省)と労働力調査(総務省)の季節調整値を、公表元の説明どおりに X-13ARIMA-SEATS で原数値から作り直し、公表値と比べました。就業者は季節指数の差が平均0.024ポイントでほぼ一致し、鉱工業生産は曜日・祝日の調整を外すと差が0.13から1.34ポイントに広がりました。 note:https://note.com/takayukimatsuura/n/nd10961670aac GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F42_seasonal_adjustment

欠けているデータを埋めると、結論は変わるのか? 小さい町村で値がない「持ち家率」を4通りに扱って比べる

市区町村の持ち家率は、人口およそ1.5万人未満の町村では値がありません。捨てる・平均で埋める・回帰で埋める・多重代入の扱い方で回帰の係数を比べると、持ち家率10ポイントあたり+0.1から−9.7まで動きました。わざと値を消すシミュレーションでは、「小さい町だけ欠ける」場合に多重代入が捨てる方法よりずれることも確かめました。 note:https://note.com/takayukimatsuura/n/nb9ef4231d6e8 GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F41_missing_data_mi

所得の格差は「県の間」と「県の中」のどちらにあるか? 1,741市区町村の所得をタイル指数で分ける

全国1,741市区町村の納税者1人あたり所得(2005〜2020年度)の格差を、タイル指数で「県の間」と「県の中」に分けました。2020年度は半々で、15年で広がった分のおよそ半分は「東京都の中」でした。8つの設定を変えても、県の間の割合は下がっていました。 note:https://note.com/takayukimatsuura/n/nafbf69d105ac GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F40_inequality_decomposition

物価・賃金・金利は、どれがどれを動かしているのか? データだけで因果の向きを推定する3つの手法を比べる

為替・輸入物価・消費者物価・賃金・長期金利・失業率の月次データ(1995〜2026年)に、グレンジャー因果・VAR-LiNGAM・PC アルゴリズムを当てて比べました。3つがそろって指したのは「輸入物価と消費者物価がつながっている」ことだけで、向きは手法で逆になりました。 note:https://note.com/takayukimatsuura/n/n6c8815f27bb5 GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F39_causal_discovery_macro

観光客が1兆円使うと、日本全体の生産はいくら増えるのか? 産業連関表で「経済効果」を計算し直す

訪日客の消費1兆円で、日本全体の生産は2.13兆円、雇用は約21.5万人分増える計算になりました(令和2年産業連関表)。ただし輸入の扱いや2次波及を入れるかなど、前提の置き方で1.69〜2.77兆円まで変わります。 note:https://note.com/takayukimatsuura/n/n2153eaa254fa GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F38_input_output_tourism

全国と47都道府県の宿泊者数の予測を、足し算が合うようにそろえると? 58系列で5つの整合を比べる

観光庁「宿泊旅行統計調査」の延べ宿泊者数を、全国・10地方・47都道府県の58系列で予測し、足し算が合うようにそろえる5つの方法を比べました。MinT で全国の予測は約15%よく当たるようになりましたが、都道府県はほぼ変わらず、トップダウンは3割以上悪くなりました。 note:https://note.com/takayukimatsuura/n/n96d6f9f33977 GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F36_hierarchical_forecast

景気の「山」と「谷」をデータだけで当てられるか? マルコフ切り替えモデルで景気動向指数を読む

内閣府の景気動向指数(CI一致指数、1985〜2026年)にマルコフ切り替えモデル(3状態)を当てはめ、公式の景気基準日付と比べました。7回の後退期のうち6回を公式の山・谷から±4か月以内で見つけ、その時点までのデータだけで推定し直しても、山の2〜4か月後のデータで後退のサインが出ました。一時的な落ち込みでもサインが出ることがあり、1985〜86年の後退は見つけられませんでした。 note:https://note.com/takayukimatsuura/n/n59448ea2e25b GitHub:https://github.com/takayuki-0127/japan-open-data-notes/tree/main/articles/F35_business_cycle_markov

CVD法によりTiB2/TiN二層被覆したSKD61鋼の溶融Alにおける耐浸食性

概要 本研究は、アルミニウムダイカスト用の金型や工具(SKD61鋼)が溶融アルミニウムによって溶損・浸食される問題を解決するため、化学気相析出(CVD)法を用いて表面にTiB₂/TiN二層皮膜を被覆し、その耐浸食性と熱サイクル耐性を評価したものです。 1. 背景と目的 ダイカスト機の大型化や注湯温度の上昇に伴い、金型の溶損寿命の低下が課題となっています。溶融アルミに対して優れた耐食性を持つTiB₂(二ホウ化チタン)をSKD61鋼に直接被覆すると、熱膨張係数の違いからはく離してしまうため、本研究では中間層(バインダー)として熱膨張係数が中間的な値を持つTiN(窒化チタン)を挟んだ二層構造を形成し、その有効性を検証しました。 2. 実験方法 • 皮膜の形成: CVD法により、SKD61基材上に第1層としてTiN、第2層としてTiB₂を成膜しました。 • 評価試験: 800℃の溶融アルミニウム合金(AC4CH)への浸漬試験、および室温〜900℃の繰り返し加熱冷却試験(熱サイクル試験)を実施し、未処理材やイオン窒化処理材と比較しました。 3. 主な結果・知見 • 最適な膜厚の決定:…

現代AI入門: 大規模言語モデルから思考するシステムへ — Test-Time Scaling, Loop, Harness, RSI

基盤モデルを中心に発展してきた「現代AI」を構成するトピックの中から、比較的新しく、かつ重要と思われる観点について「歴史・流れ・気持ち」を大事にしながら概観をします。 IBIS 2026 でのチュートリアルセッションでの発表資料を加筆修正した内容となります。 https://ibisml.org/ibis2026/tutorial/#session3 -- コーディングエージェントをはじめとするAIの能力は飛躍的に向上し、連日、様々な分野で目覚ましい成果をあげている。GPT(2018)から8年、ChatGPT(2022)から4年、o1(2024)から2年、Claude Code(2025)から1年。AIの進展は減速するどころか加速する一方のようにも感じられる。この急速な能力の向上は何によるものだろうか? 実際には、この性能向上は単一の技術の進展が成し得たものではなく、プロセッサが2次元から3次元に集積を移したように、幾つもの壁に突き当たりながらパラダイムを模索し続けた産物である。その結果、現代のAIはもはや…

CAD / B-rep の ML 解析と DreamCAD — ECCV 2026 読み会

第 68 回 コンピュータビジョン勉強会@関東「ECCV 2026 読み会」(2026-10-25)の発表資料です。 製造業で使われる 3D 表現である B-rep(Boundary Representation)を ML で扱う基本を整理したうえで、ECCV 2026 の DreamCAD を紹介します。DreamCAD は、微分可能な曲面パッチ(有理 Bézier)を CAD の手前に置き、注釈のないメッシュ 130 万件からテキスト・画像・点群による CAD 生成を学習する手法です。最後に、ECCV 2026 のほかの B-rep 論文も紹介します。付録では理解の補足として、ボクセル特徴の作り方、2 段の生成と flow matching、位相の復元について補足しています。 論文:DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces(arXiv:2603.05607) 論文の図は CC BY 4.0 に従い、出典を明記して引用しています。