本研究の目的は次の2点である:1. グラフの構造を記述する表現法となるグラフ形成規則(Conformation Rule)を定式化しそのグラフ形成規則を学習するアルゴリズムの構築することにより,グラフの局所情報からグラフを復元する方式を確立する.2. 1.で構築する学習アルゴリズムを実働化し,ゲノムデータやタンパク質データからの知識獲得を目指した計算機実験を展開する.本年度は以下の実積を挙げている:1. グラフ形成規則の学習可能性の究明前年度に示したPAC学習可能なグラフ形成規則のクラスには様々な制約条件がかせられていた.今回,これらの条件をひとつひとつ解析した結果,より広範なグラフ形成規則に対して学習アルゴリズムが有効であることを示すことに成功した.2. グラフ形成規則の再定式化前年度に実施した計算機実験のデータをもとに,グラフ形成規則とタンパク質のグラフモデリングに関して再検討を行い、立体構造予測の計算機実験を行なった.その結果,非常にローカルな範囲では学習したグラフ形成規則がタンパク質構造予測に有効であることが分った.しかしながら,グラフ形成規則を用いた構造予測は,ノイズに非常に弱いことも同時に判明した.3. 知識発見システムの開発タンパク質構造予測などの実際の問題に取り組む過程のなかで,タンパク質などの対象物に関する知識を自動的に獲得する道具が不可欠であると判断し,タンパク質やゲノムのデータベースから知識を発見するシステムを設計しプロトタイプを開発した.これらの成果をFirst International Conference of DiscoveryScienceで口頭発表している.