知識グラフにおけるゼロショット合成推論のためのホログラフィックメモリ：失敗の場所と理由のメカニズム研究

知識グラフ埋め込みモデルは単一ホップのリンク予測では優れた性能を示すが、訓練中に未出現のマルチホップ関係チェーンを扱うゼロショット合成推論のメカニズムを持たない。ホログラフィック簡約表現（HRR）は巡回畳み込みによる記号の結合と分離が可能で、理論的には可逆性と結合性を備えているため魅力的な候補である。しかし、FB15k-237データセットを用いた実験では、実数値HRRとフーリエHRR（FHRR）の両方がゼロショット合成において偶然レベルの精度しか達成できなかった。単一ホップ検索では競争力のある性能（フィルタリングMRR約0.35）を示すにもかかわらずである。

機械論的分析により、失敗の原因は結合代数やクリーニングではなく、合成チェーンを構成する事実自体が重ね合わせ記憶からの検索に本質的に困難であることにあると特定された。第1ホップで中間エンティティが正しく回復されても合成は失敗し、第2ホップの事実を原子クエリとして直接検索した場合の精度は原子クエリの0.26～0.48倍に低下した。FHRRのソフトマックスクリーニングは位相等変性を持たず、第1ホップの誤りが少数のチェーンで増幅される。

この研究は、ゼロショット合成を改善するにはクリーニングの再設計ではなく、重ね合わせ下での検索容量の向上が必要であることを示している。知識グラフ推論と認知アーキテクチャの設計に重要な示唆を与える発見であり、今後の研究の方向性を明確にしている。