「最適輸送」はなぜAI時代の必修数学になったのか ―― 砂山の引っ越しで理解するWasserstein距離・Sinkhornと拡散モデル・single-cell・ドメイン適応

1. 本記事の方針についての注意書き

本記事は、専門書を開く前段階で全体像を直感的につかむことを目的としています。

数学的な厳密性よりも、イメージのつかみやすさを優先し、厳密な定義・前提条件・適用範囲を意図的に簡略化している箇所があります。正確な定義は標準的な教科書・論文に譲り、本記事では「何のための道具か」という骨格の理解を優先します。

専門家の方は、より正確な言い回しの提案をぜひコメントでお寄せください。

測度論や関数解析に関する知識は前提知識として求めません。
確率分布・距離・最適化といった言葉は登場しますが、それぞれを「どんな問題を解く道具なのか」という直感のレベルで解説します。記号や証明を追える必要はありません。

2. はじめに ― 想定読者と読むメリット

想定読者

• 機械学習・データ分析の実務にいて、「最適輸送」「Wasserstein距離」「Sinkhorn」という単語を見かけて、気になりつつ素通りしてきた方
   
• 拡散モデルや生成AIの「中身の数学」を、雰囲気でなく直感で理解したい方
   
• 2つのデータ分布を「比べたい」「片方をもう片方に変換したい」という課題に、業務で出会ったことがある方
   
• バイオ・医療・画像・物流・経済など、自分の分野に最適輸送がどう効くのか知りたい方
   
• 前提知識は高校数学だけで十分です。専門用語や数式は、初出のたびにやさしく解説します

この記事を読むメリット

• 最適輸送を、「砂山を最小コストで引っ越す問題」という絵で描ける直感からしっかり理解できる

• モンジュ・カントロヴィチの2つの定式化、Wasserstein距離、Sinkhornアルゴリズムまで、高校数学を橋にして設計図に踏み込める
   

• 拡散モデル・フローマッチング・ドメイン適応・single-cell解析など、どのAI・データ解析につながるかの地図
   

• 各産業・各問題で使われる言語と実装コード例（Python中心、POTライブラリ）
   

• Sliced・不均衡（Unbalanced）・Gromov-Wassersteinなど、実務で必ずぶつかる発展形と限界の地図
   

• 2026年現在のビジネスニーズと、世界の有名企業・研究所での活用の広がり（研究・OSS・製品の別を明示、採用言語つき）
   

• 最適輸送を武器にする人材のキャリア見取り図
   

• KL・JS・MMD・Wassersteinの使い分け早見表、実務の落とし穴、用語ミニ辞典など、すぐ使える実用パーツつき

『読む前』と『読んだ後』で、読者はどう変わるか

	読む前	読んだ後
最適輸送のイメージ	名前だけ知っている難しそうな何か	砂山の引っ越しという絵で説明できる
Wasserstein距離	論文で見かける記号	2つの分布の『引っ越し費用』だと分かる
Sinkhorn	読めない・使えない	なぜ高速化できるのか直感が分かる
拡散モデルとの関係	別物だと思っていた	分布を運ぶという同じ発想だと気づける
自分の分野との接続	関係ないと思っていた	画像・バイオ・物流など応用が見える

TL;DR（一言要約）

最適輸送 とは、ひとことで言えば「ある分布（砂山）を、別の分布（別の形の砂山）へ、最小の労力で移す方法を求める数学」です。

この 『分布を運ぶ』という発想 が、いま 生成AI（拡散モデル・フローマッチング）、バイオ（細胞の時間変化の追跡）、画像・ドメイン適応 など、AIとデータ解析のあらゆる場所で重要度を増しています。

本稿は、（1）最適輸送を砂山の引っ越しから直感的に解説し、（2）2つの定式化とWasserstein距離・Sinkhornまで設計図に踏み込み、（3）各産業の応用と実装コードを示し、（4）キャリアの見取り図までを描く地図です。

本記事の読み方

• まず直感だけつかみたい方 → 第3章（砂山の引っ越し）
   
• 数学の設計図を知りたい方 → 第4章・第5章
   
• 発展形と限界（Sliced・不均衡・Gromovなど）を知りたい方 → 第6章
   
• AI・データ解析との関係を知りたい方 → 第7章
   
• 産業別の応用と実装コードを見たい方 → 第8章
   
• キャリアを考えたい方 → 第9章
   
• 2026年のビジネスニーズと活用の広がりを知りたい方 → 第10章

3. 最適輸送とは何か ── 砂山の引っ越し問題

最適輸送（Optimal Transport, OT）の発想は、18世紀フランスの数学者モンジュが「土を運ぶ最も効率的な方法」を考えたことに始まります。

本質は、いまも昔も変わりません。

いま、砂が山のように積まれているとします。
これを、別の場所に、別の形で積み直したい。

砂を運ぶには労力（コスト）がかかり、遠くへ運ぶほど大変 です。
このとき、「どの砂を、どこへ運べば、全体の労力が最小になるか」を求めるのが最適輸送 です。

もう少しビジネスらしい例にします。

• 複数の工場（供給地）に在庫があり、複数の店舗（需要地）が在庫を求めている。
  &nhsp;
• 工場から店舗へ運ぶには輸送費がかかる。
  &nhsp;
• 「どの工場から、どの店舗へ、どれだけ運べば、総輸送費が最小になるか」

これはまさに高校〜大学初級で習う線形計画（輸送問題）であり、最適輸送のもっとも分かりやすい姿です。

ここで大事な視点があります。砂山も、工場の在庫も、確率分布も、数学的には同じ「質量の分布」です。だから最適輸送は、「2つの確率分布を比べる」「片方をもう片方へ変換する」という、データサイエンスのあらゆる場面に持ち込めるのです。これが、最適輸送がAI時代の必修数学になった理由の核心です。

4. 数学的な設計図（その1）── モンジュとカントロヴィチ

最適輸送には、2つの有名な定式化があります。逃げずに、しかし高校数学の範囲で、両方の考え方を見ます。

4-1. モンジュの定式化 ── 「分割せずに運び先を決める」

モンジュの考え方は素直です。

出発地の砂の一粒一粒について、「この粒は、あそこへ運ぶ」という行き先を1つずつ決める。

つまり、出発地の各点を目標地の各点へ対応させる関数（写像）$T$ を求め、その総コストを最小にする、というものです。

これは直感的ですが、弱点があります 。

「1つの山を2つに分けたい」ような場合、分割を許さないモンジュの写像では表すことができません（1粒を半分こにして別々の場所へ、ができない）。

なお、「分割せず1つへ」運ぶだけなので、複数の出発地が同じ到着地に対応することはあり、1対1（全単射）とは限りません。

この弱点が、次のカントロヴィチの定式化で解消されます。

4-2. カントロヴィチの定式化 ── 「分けて運んでもよい」

20世紀のカントロヴィチ（ノーベル経済学賞受賞者）は、発想を緩めました。

「1粒の行き先を1つに決める」のではなく、「出発地のここから目標地のここへ、どれだけの量を運ぶか」という輸送量の表（輸送計画）を考えるのです。

1つの山を複数の目的地へ分けて運んでもよい。

この輸送計画は、行が出発地、列が目標地の表（行列）で表せます。
各マスが「そこからそこへ運ぶ量」です。

制約は単純で、各行の合計は出発地にある量、各列の合計は目標地で必要な量に一致すること。

この制約のもとで総コスト（運ぶ量 × 距離の合計）を最小化する。
これがカントロヴィチの最適輸送で、現代のアルゴリズムはこちらを使います。

そして、この“最小の総コスト”そのもの を、次章では 2つの分布の『距離』 として使います。
それが、次に出てくる Wasserstein距離 です。

5. 数学的な設計図（その2）── Wasserstein距離とSinkhorn

5-1. Wasserstein距離 ── 「分布どうしの引っ越し費用」

最適輸送の最小コストそのものを、2つの分布の「距離」とみなしたもの が、 Wasserstein距離（ワッサースタイン距離 。

砂や土の山を動かす作業を思い描くことから、Earth Mover's Distance＝「土を動かす人の移動距離」 とも呼ばれます）です。

直感は明快で、「分布 $A$ を分布 $B$ に作り変えるのに必要な、最小の引っ越し費用」 が そのまま距離になります 。

なぜこれが嬉しいのでしょうか？

従来、2つの分布を比べる物差し（ KLダイバージェンスなど ）には 弱点 がありました。

たとえば、まったく重なりのない2つの分布 を比べると、従来の指標は「無限に違う」または「比べられない」となり、どれだけ近いか遠いかの距離感を返せません でした。

Wasserstein距離 は、重なりがなくても 、「どれだけ動かせば一致するか」という 地理的な距離を返せます。

• 少しだけ離れた2つの山は『少しの費用』
• 大きく離れていれば『大きな費用』

この 滑らかな距離感 こそ、機械学習で決定的に役立つ性質 です。

もう一つ、Wasserstein距離には見逃せない良さ があります。

それは、数学でいう「距離としての資格」をきちんと満たす、本物の距離だということ です。

ここでいう資格の代表が三角不等式です。

三角不等式 とは、「 $A$ 地点から $C$ 地点へ直接行く道のりは、いったん $B$ 地点を経由する道のりより長くならない（ 遠回りは近道にならない ）」という、地図の上では当たり前の性質のことです。

私たちが日常で「距離」と呼ぶものは、この条件を満たしています。

ところが、よく使われる KLダイバージェンスは、この三角不等式を満たしません。

さらに、** 「 $A$ から $B$ で測った値」と「 $B$ から $A$ で測った値」が食い違う（非対称）** ため、厳密には「距離」と呼べない物差し でした。

これに対して、Wasserstein距離 は 対称で、三角不等式も満たす します。

従って、「分布 $A$ と分布 $B$ は近い、$B$ と $C$ も近い、ならば、$A$ と $C$ もそれなりに近いはず」といった、距離としての素直な推論がそのまま使えます。

これは分布をクラスタリングしたり、いくつも並べて比較したりするときに効いてきます。

なお、Wasserstein距離 は正確には“ひとつ”ではなく、ひとそろいの「族（ファミリー）」をなします。

族 とは、「同じ作りで、つまみを一つ変えると別物になる仲間たち」というイメージです（たとえば「○次関数」という族には、1次関数・2次関数・3次関数…という仲間がいますね）。

Wasserstein距離 の場合、その“つまみ”は「運ぶ距離の何乗を費用とみなすか」 です。

距離をそのまま費用にすると $W_₁$（よく使われ、後で出てくる WGANはこれ ）、距離の2乗を費用にすると $W_₂$ （ 生成モデルの理論で主役 になる）といった具合に、つまみの値ごとに $W_ₚ$ と呼び分けます。

（正確には、距離の $p$ 乗を費用として最小化し、最後に $p$ 乗根を取ったものが $W_ₚ$ です。
$W_₂$ は「2乗の費用の最小値そのもの」ではなく、その平方根だという点** だけ、頭の片隅に置いておくと論文で取り違えません。）

本記事では細かい違いには立ち入りませんが、「Wasserstein距離は一族の総称で、用途によって使うメンバーが違う」とだけ覚えておくと、論文を読むときに混乱しません。

5-2. 計算の壁と、Sinkhornによる突破

ところが、最適輸送 には 大きな弱点 がありました。計算が重い のです。

データ点が $n$ 個あると、厳密に解く代表的な解法では $n$ の3乗規模（正確な指数は解法や問題の構造しだいで、あくまで目安です）の 計算量 がかかり、さらに コスト行列そのものが $n×n$ のメモリを食います 。

点が増えるとすぐに非現実的になり、これが長らく実用化を阻んでいました。

2013年、クチュリ が突破口を開きました。「エントロピー正則化」という工夫 です。

ざっくり言えば、輸送計画にわざと少しの『ぼかし（なめらかさ）』を許すと、問題が劇的に解きやすくなり、Sinkhornアルゴリズム という、行と列を交互に正規化するだけの単純な反復計算で高速に解けるようになる、というものです。

Sinkhornの嬉しさは2つ あります。

1つは 速いこと （ GPUとも相性がよい ）。

もう1つは 微分できること 。

微分できるおかげで、ニューラルネットワークの学習にそのまま組み込めます 。

この 『速くて、微分できる』性質が、最適輸送を一気に深層学習の世界へ呼び込みました 。

現代の最適輸送ブームは、ここから始まった と言ってよいでしょう。

ただし、Sinkhornにも　「ただより高いものはない」式の注意点 があります。

便利さの裏で、知っておくと事故を防げる点が2つ あります。

1つは、ぼかしの強さ （正則化の量。論文やコードではよく ε や reg と書かれます）の調整 です。

ぼかしを強くしすぎる と、輸送計画がのっぺりとぼやけて本来の最適解から離れ、距離も甘く（小さめに）出ます。

逆に 弱くしすぎると、せっかくの高速性が損なわれ、計算も不安定になりやすい （桁あふれを防ぐためログ領域で計算するなどの工夫が要る）。

ちょうどよい中間を探すチューニングが、つねについて回ります 。

もう1つは、エントロピーバイアスと呼ばれるクセ です。

ぼかしを入れた副作用 で、まったく同じ分布どうしを測っても距離がぴったり0にならない、という不思議な事象が起きます。

これを補正したのがSinkhornダイバージェンス で、「自分自身との距離」を引き算してゼロ点を直す工夫 です（名前のとおり“距離”そのものではなく、距離に似た分布比較の指標だと思っておくと安全です）。

生成モデルの損失関数など でWasserstein距離の代わりに使うときは、素のSinkhornではなく、このSinkhornダイバージェンスを使うのが定番 になっています。

5-3. 最小の実装イメージ ── POTで輸送を解く

Python Optimal Transport（POT）ライブラリ を使うと、最適輸送はごく短く書けます 。

下は、2つの分布の間の輸送計画とWasserstein距離を求める例 です。

# pip install pot
import numpy as np
import ot

# 2つの分布の重み（各点の質量。合計1に正規化）
a = np.array([0.5, 0.5])          # 出発地2点
b = np.array([0.3, 0.3, 0.4])     # 目標地3点

# コスト行列 M[i][j] = 出発地i から 目標地j への距離
M = ot.dist(np.array([[0.],[1.]]), np.array([[0.],[0.5],[1.]]))

# 厳密な最適輸送計画を解く
T = ot.emd(a, b, M)               # 輸送計画（行列）
print('輸送計画:', T)

# Sinkhorn（高速・エントロピー正則化版）
T_sink = ot.sinkhorn(a, b, M, reg=0.1)
print('Sinkhorn輸送計画:', T_sink)

実行すると、厳密解（emd）の輸送計画は、おおよそ次のような行列になります。

輸送計画:
[[0.3 0.2 0. ]
 [0.  0.1 0.4]]

この数字を読み解いてみましょう。

行が出発地（位置0と位置1の2点）、列が目標地（位置0・0.5・1の3点）です。

1行目（出発地0）は、まず最も近い目標地0へ 0.3 を渡し、残りの 0.2 を真ん中の目標地（位置0.5）へ送っています。

2行目（出発地1）は、最も近い目標地（位置1）へ 0.4 を渡し、残り 0.1 だけを真ん中へ送る。

結果として、各行の合計は供給量（0.5, 0.5）に、各列の合計は需要量（0.3, 0.3, 0.4）にちゃんと一致しています。

「遠くへ運ぶのは最小限にして、近い相手から埋めていく」という最適輸送の気持ちが、数字の置かれ方にそのまま表れている のが分かります。

一方、Sinkhorn版（sinkhorn）の出力は、これをほんの少しぼかした行列になり 、本来 0 のマスにも小さな値がにじみ出ます。これが前節で触れた『なめらかさを許すと速くなる』の正体 です。

手を動かすと理解が早いので、pip install pot だけ済ませれば、手元やGoogle Colabでそのまま動かせます。a や b、コスト行列をいじって、輸送計画がどう変わるかを試してみてください。

5-4. もう一つの顔 ── 双対形式とWGANへの橋

ここまでは、輸送計画（どこからどこへ、どれだけ運ぶか）を直接さがす見方 で説明してきました。

これを 「主問題」 と呼びます。

実は最適輸送には、まったく同じ答えにたどり着く“もう一つの顔” があります。それが双対形式です。

イメージはこうです。

砂山を自分で運ぶ代わりに、運送会社に外注することを考えます。

運送会社は「この場所の砂の引き取り価格」と「あの場所への配達価格」を提示してきます。

あなたは『自分で運んだ方が安いなら断る』ので、運送会社は“あなたが断らないギリギリの、しかし自分たちの儲けが最大になる価格表”を付けようとします。

この「価格表を最適化する」問題が双対 で、驚くことに、その最大の儲けは、主問題の最小輸送コストとぴったり一致します（強双対性） 。

$W_₁$（距離をそのまま費用にしたWasserstein距離）の場合、この価格表 には 「隣りあう場所どうしで、価格の差が距離以上に大きくなってはいけない」という条件が付きます 。

これは数学では、“1-リプシッツ”という性質 で、ざっくり言えば 「値段が距離以上に急には変化しない、なだらかな価格関数」という意味 です。

つまり $W_₁$ は、『なだらかな関数で測った、分布 $A$ と分布 $B$ の差の最大値』 として書き直せます（ カントロヴィチ・ルビンシュタインの双対 ）。

この“もう一つの顔”こそが、第7章で出てくるWGANの正体 です。

WGAN は、この「なだらかな価格関数」をニューラルネットワーク（critic、判定役）で表し、それを学習で探します。

砂山の輸送計画を直接解く代わりに、ネットワークに距離を測らせる 。

主問題から双対へ視点を移したからこそ、最適輸送は深層学習にそのまま溶け込めた のです。

5-5. 第3の顔 ── 時間をかけて運ぶ（動的な最適輸送）

ここまでで、最適輸送の2つの顔 を見てきました。

「どこからどこへ、どれだけ運ぶか」を直接決める主問題（第4章）と、「価格表を最適化する」双対（5-4）です。

実は もう一つ、生成AIを理解するうえで一番大事な“第3の顔” があります。

時間をかけて、連続的に運ぶという見方 です。

これまでは、砂を「えいっ」と一回で目的地へ移していました。
でも現実の引っ越しは、少しずつ、なめらかに動かしますよね。

第3の顔 では、砂山 $A$ から砂山 $B$ へ、時刻 $0$ から時刻 $1$ までの“動画”として、各瞬間に砂がどの向きへどれだけ流れるか（速度の場） を考えます。

そして 「全体の移動の労力（運動エネルギー）が最小になる、いちばん無駄のない流れ方」を探します。

これがベナモウ・ブレニエの動的な定式化で、代表的な設定（運ぶ距離の2乗をコストにする場合）では、答えは「まっすぐ・等速で運ぶ」なめらかな流れになります。

なぜこれが大事なのか？

拡散モデル や フローマッチング （7-1）は、まさに 「単純な分布（ノイズ）から複雑な分布（データ）へ、時間をかけて少しずつ運ぶ動画」を学習する仕組み だからです。

つまり、生成AIの“流れ”そのものが、この動的な最適輸送と同じ土俵にいます。

静的な「運ぶ量の表」ではなく、動的な「運ぶ流れ」 として見たとき、最適輸送と生成AIは同じ数学的枠組みの上で語ることができる のです。

（ただし、すべての拡散モデル・フローマッチングが最適輸送の最小コスト解をそのまま解いているわけではありません。ただし、その中には「ノイズとデータのペアを最適輸送で賢く組み、できるだけ“まっすぐ”運ぶ」ことで生成を速く・高品質にする方式があり、それが最適輸送をはっきり使っている例です。）

これで、最適輸送の3つの顔 ── 主問題・双対・動的 ── が揃いました 。

5-6. どの物差しを使う？ ── KL・JS・MMD・Wassersteinの早見表

ここまで Wasserstein距離 を持ち上げてきましたが、分布を比べる物差し はこれだけではありません。

実務でいちばん多い質問が 「結局、どれを使えばいいの？」 です。

代表的な4つ を、早見表にまとめます（厳密な定義より“使い分けの勘所”を優先しています）。

なお、表に出てくるMMD（最大平均不一致）は、点をカーネルで特徴空間へ写し、“平均的な特徴の違い”で分布を比べる軽快な指標です。

物差し	何を測る？	重ならない分布でも測れる？	微分しやすさ	計算の軽さ	向いている場面
KLダイバージェンス	片方から見た“情報のズレ”	✕（無限・未定義になりがち）	◯	軽い	確率モデルの当てはめ、分類の損失
JSダイバージェンス	KLを対称にした違い	△（勾配が消えやすい）	◯	軽い	初期のGAN など
MMD（最大平均不一致）	カーネルで写した“平均の違い”	◯	◯	中（カーネル次第）	2標本検定、分布の一致チェック
Wasserstein距離	片方をもう片方へ運ぶ“引っ越し費用”	◯（なめらかな距離を返す）	△〜◯（Sinkhornで◯）	重い（Sliced/Sinkhornで軽く）	分布の幾何を使いたい、重ならない分布の比較、生成の学習

ひとことで言えば、KL・JSは「軽いが、重ならない分布に弱い」、MMDは「軽快で2標本の違い検出に便利」、Wassersteinは「重くても分布の“地形”をちゃんと測れる」。重なりの無い分布を滑らかに比べたい、生成モデルを安定して学習したい、といった場面でWassersteinが光ります。

6. 知っておきたい発展形と限界

最適輸送は強力ですが、現実のデータに当てると必ずいくつかの壁にぶつかります。

そして、その壁を越えるための“発展形”がちゃんと用意されています。

論文や実装で頻出する4つ を、武器として押さえておきましょう。

6-1. 次元の呪い ── 高次元での落とし穴

最適輸送の弱点 として、第5章では「計算が重い」を挙げ、Sinkhornで突破できると説明しました。
しかし、もう一段やっかいな壁 があります。次元の呪いです。

私たちが実際に手にしているのは“本当の分布”そのものではなく、そこから取り出した有限のサンプル（点の集まり）だけです。

サンプルから測ったWasserstein距離が、本当の値にどれだけ近づくかは、データの次元に強く依存 します。

直感的には、次元が高いほど空間がスカスカになり、同じ精度を出すのに必要なサンプル数が爆発的に増えます（収束の速さはおおよそ n^(−1/d) で、次元 d が大きいほど絶望的に遅くなる）。

画像や遺伝子発現のような高次元データに素朴にWasserstein距離を当てると、推定値が当てにならないことがある のです。

この呪いをやわらげる代表的な処方箋が、以下の３つです。

(1) エントロピー正則化（Sinkhorn）
 
(2) Sliced Wasserstein
 
(3) そもそも低次元の潜在空間に落としてから測る

「高次元では素のWassersteinを信じすぎない」という感覚は、実務で必ず役に立ちます。

6-2. Sliced Wasserstein ── 「1次元に落として速く測る」

高次元が苦手なら、いっそ1次元に落としてしまえ、という発想がSliced Wasserstein（スライス版Wasserstein）です。

カギは、「1次元の最適輸送は、ただ両者を小さい順に並べて対応させるだけ（＝ソート）で解ける」という事実です。とびきり速く、安定しています。

そこでSliced Wassersteinは、高次元のデータを色々な向きの直線に“影絵”のように射影し、各向きで1次元の最適輸送を測って、それをたくさんの向きで平均します。串刺し（slice）にして断面をたくさん見る、というイメージです。

得られるのは本物のWasserstein距離そのものではなく良い近似ですが、(1) 非常に速い、(2) GPUと相性がよく微分もできる、という実用上の利点が大きく、生成モデルの学習や大規模データの分布比較で広く使われています。

6-3. Unbalanced OT ── 「量が合わなくてもよい」

これまでの説明には、こっそり強い前提がありました。

「出発地の砂の総量と、目標地で必要な総量がぴったり等しい」という前提です。
各行の合計＝供給、各列の合計＝需要、と厳密に一致させていましたね。

ところが現実は、総量が合わないことだらけです。

細胞は時間とともに分裂したり死んだりして数が変わりますし、ドメイン適応でも、学習データと本番データでクラスの割合（猫と犬の比など）が違います。

総量が違う2つの山に「全部きっちり運びきれ」と命じると、無理が出ます。

そこで、マージン（各行和・各列和）が多少ずれることを許し、その“ずれ”にもペナルティを課す形にゆるめたのが**Unbalanced OT（不均衡最適輸送）**です。

「運びきれない砂は捨ててもよい／足りなければ無理に作らなくてよい、ただしサボりすぎたら罰金」という発想です。

第8章で紹介する 単一細胞解析のmoscot は、まさに この不均衡版を多用 しています。

6-4. Gromov-Wasserstein ── 「違う空間どうしを比べる」

最後に、最適輸送の前提のうち最も根本的なものを外す発展形 です。

これまでは、「出発地と目標地が 同じ物差し（距離）を共有している」前提 でした。

砂山 $A$ と $B$ は、同じ地図の上にあった わけです。

でも、そもそも“別々の世界”にある2つのデータを対応づけたいことがあります。

たとえば、遺伝子発現の空間と、染色体構造の空間。
両者に共通の物差しはありません。

こういうとき使うのが Gromov-Wasserstein（グロモフ・ワッサースタイン） です。

アイデアは、点そのものを直接比べるのをあきらめ、『関係性のパターン』を比べることです。

世界 $A$ の中で「点1と点2は近く、点1と点3は遠い」という内部の距離関係と、世界 $B$ の中での内部の距離関係が、できるだけ食い違わないように対応づけます。

地図が違っても“間取り”が似ている部屋どうしを結ぶ、というイメージです。

単一細胞のマルチオミクス統合、グラフ・分子・形状のマッチング、第8章で触れる埋め込み空間どうしのアライメントなどで活躍 します。

数学好き向けの余談：群同型・圏同型・圏同値と、Gromov-Wasserstein の違い

ここで数学に明るい読者は、「“構造を保つ対応”なら、群同型や圏同型と同じでは?」と思うかもしれません。発想は似ていますが、厳しさがまったく違います。

群同型・圏同型が要求するのは、構造の完全な保存です。群同型なら演算を1つの例外もなくピタリと保ち、全単射（1対1かつ漏れなし）でなければなりません。「ほぼ同型」という言葉は基本的になく、同型か否かのオール・オア・ナッシングです。

一方、Gromov-Wasserstein（GW）が探すのは、“できるだけ食い違わない”近似的な対応です。

• 完全一致を求めない：距離関係のズレを測り、その総量を最小化するだけ。ぴったり保たれなくてよい。
• 全単射でなくてよい：質量を分けて複数に対応させたり、一部を軽く扱ったりできる（最適輸送の枠組みなので）。
• 「どれだけ似ているか」を数値で返す：同型/非同型の二択ではなく、連続的な“近さ”（距離）が出る。

ひとことで言えば、群同型・圏同型が「完全に同じ構造か（Yes/No）」を問うのに対し、GWは「どのくらい似た間取りか（程度）」を測る、やわらかい“近似版”の構造マッチングです。

ここでさらに圏論に親しんだ読者なら、「同型ほど厳しくない“圏同値”なら近いのでは?」と思うかもしれません。

たしかに圏同値は、対象が“オンザ・ノーズ（寸分たがわず）”で一致することを求めず、同型を“つぶして”同じとみなす、同型よりゆるい同一視です。その意味で「完全一致をちょっと緩める」方向性は、GWと気分が似ています。

ですが、やはり種類が違います。

• 圏同値も、結局はYes/Noの質的な概念です。 2つの圏が「同値か・同値でないか」を問うものであり、「どのくらい同値に近いか」という 程度 は測りません。一方GWは、ズレの総量を最小化して“近さ”を 連続的な数値（距離） として返します。
• 保つ“構造の種類”が違います。 圏同値が（関手で）保つのは射・合成といった 圏の構造 です。GWが保とうとするのは、各世界の内部にある 距離・類似度の関係（幾何） で、しかも完全にではなく“できるだけ”です。
• ゆるめ方の正体が違います。 圏同値のゆるめは「同型なものは同一視する」という 厳密な同値関係 。GWのゆるめは「ズレにペナルティを課して最小化する」という 最適化（最適輸送） で、可逆な対応すら必須ではありません。

まとめると、同型・圏同値・GW は、「完全一致 → 同型を同一視してゆるめた質的概念 → ズレを数値で測る量的・近似的マッチング」という順で“やわらかく”なっていきます。圏同値は質的なゆるめ、GW は量的なゆるめ、という軸の違いが本質です。だからこそ、完全には一致しない現実のデータの“間取りの似かた”を測るのに、GW が向いているわけです。

6-5. Wasserstein barycenter ── 分布の“正しい平均”

数字なら、3と5の平均は4。

では、2つの“分布”や“形”の平均は、どう取ればいいでしょうか？

単純に重ね合わせて2で割ると、ぼやけた二重像になってしまい、うまくいきません。

そこで、「片方をもう片方へ運ぶ“途中”の、ちょうど真ん中の状態」を平均とみなすのが、Wasserstein barycenter（ワッサースタイン重心） です。

砂山 $A$ と砂山 $B$ の“あいだ”にある、自然な中間の砂山、というイメージです。

複数の分布の代表（テンプレート）を作る、少しずつ変形する中間形を生成する（モーフィング）、
ばらついた観測をひとつにまとめる、といった用途で使われます。

「分布の足し算・平均を、幾何的に正しくやる道具」と覚えておくと便利です。

6-6. 実務の落とし穴 ── 最適輸送あるある

最適輸送は便利ですが、初めて使うと、たいていどこかで一度は転びます。

よくある“あるある”を先回り しておきます。

• 重みを正規化し忘れる
  各分布の重み（質量）は、合計を1にそろえるのが基本です。
  そろっていないのに厳密版（emd）へ渡すと、意図しない結果や計算エラーになります（量をわざとずらしたいなら、不均衡OTを使う）。
   
• コスト行列のスケールを意識していない
  Sinkhornのぼかし量 reg（ε）は、コストの大きさに対して効きます。
  距離の単位を変えただけで結果が激変することがあるので、コストを適当な範囲に正規化してから reg を決めると安定します。
   
• 「距離」と「距離の2乗」を混同する
  ot.dist は既定で“2乗”距離を返します。
  $W_₁$（距離そのもの）のつもりで2乗を渡していた、は定番のバグです。
   
• スケールの違うWasserstein値を直接比べる
  コスト定義や正規化が違う2つのWasserstein値を並べて「こっちが近い」と結論しないこと。比較は同じ土俵で。
   
• 高次元で素のWassersteinを信じすぎる
  6-1の次元の呪いを思い出し、Sliced版やエントロピー正則化、低次元の潜在空間での計測を検討する。

6-7. 「必修」と言い切る前に ── 最適輸送が向かない場面

本記事は最適輸送を強く推していますが、公平のために「向かない場面」も書いておきます。
道具は適材適所 です。

分布が低次元で、サンプルも十分にあるなら、KL や MMD （5-6）で用が足りることは多く、わざわざ重いWassersteinを持ち出す必要はありません。

リアルタイム性が厳しい本番環境では、厳密な最適輸送の計算コストが見合わないこともあります（その場合はSliced版や近似に逃がすか、そもそも別の指標にする）。

また、尤度のような確率モデルとしてのきれいな解釈が主役の場面では、KLの方が素直 です。

最適輸送の出番は、「分布の“地形”や“動かし方”そのものに意味がある」とき。

重ならない分布を滑らかに比べたい、片方をもう片方へ変換したい、生成の流れを設計したい
── こうした問題でこそ、他の物差しにない強み が出ます。

万能の魔法ではなく、切れ味の鋭い専用ナイフ、という距離感がちょうどよいです。

7. 最適輸送は、どのAI・データ解析につながるのか

ここからが、本記事のもう一つの主役です。

『分布を運ぶ』という最適輸送の発想が、AIとデータ解析のどこで中核になっているか を見ます。

7-1. 生成AI ── 拡散モデルとフローマッチング

画像生成で主流の拡散モデルや、その発展であるフローマッチングは、本質的に 『ノイズという単純な分布を、本物のデータという複雑な分布へ、徐々に運ぶ』仕組み です。

これは 最適輸送と同じ『分布を運ぶ』発想に連なります 。

実際、最小コストで分布を運ぶという最適輸送の原理は、高品質な生成モデルの学習に役立つ ことが知られています（フローマッチング、シュレディンガーブリッジなど）。

この結びつきは、もはや理論上の話にとどまりません。

2023年に提案された フローマッチング（Lipmanら） と、その親戚である rectified flow（Liuら） は、いまや 画像生成の主力手法 になっています。

たとえば高解像度画像生成の Stable Diffusion 3 は rectified flowをベース にしており、学習時に**『ノイズ側の点とデータ側の点を、最適輸送で良いペアにしてから直線でつなぐ』（ミニバッチ最適輸送によるカップリング）** と、生成の軌跡が“まっすぐ”になり、少ないステップで速く・高品質に生成できることが分かっています。

「分布を最小コストで運ぶ」という砂山の発想が、最新の生成AIの心臓部で実際に効いている わけです。

なお、5-5で見た“動的な最適輸送”── 時間をかけてまっすぐ運ぶ流れ ── が、この生成の“流れ”の数学的な裏側です。

7-2. ドメイン適応 ── 「分布のズレ」を埋める

学習データ（例：晴れの日の画像）と本番データ（例：雨の日の画像）で分布がずれていると、モデルの性能が落ちます。

最適輸送 は、この2つの分布のズレを『どう動かせば一致するか』として捉え、橋渡しします。

これがドメイン適応で、最適輸送の代表的応用の一つ です。

7-3. 分布を比べる物差しとして

生成モデルの良し悪しの評価、2つのデータセットの違いの定量化など、 『分布どうしの距離』が必要な場面 で、Wasserstein距離が使われます。

GAN（敵対的生成ネットワーク）の改良版WGAN は、まさに この距離を学習に使ったことで、学習を安定 させました（なぜニューラルネットワークで距離が測れるのかは、5-4で触れた双対形式が種明かしです）。

【画像プロンプト⑩｜最適輸送が支えるAIの地図（生成AI向け）】挿入位置：第7章の冒頭または7-3の直後

中心の『分布を運ぶ／比べる』から、拡散モデル・ドメイン適応・分布比較・Transformerへ枝分かれする地図。第7章の俯瞰図。（Transformerの枝は、標準のattention全般ではなく、attentionにOTを応用する研究の流れを指す。）

7-4. Transformer・LLM ── attentionは“ソフトな最適マッチング”

意外に思えるかもしれませんが、いまのAIの主役であるTransformerのattention（注意機構）にも、最適輸送の影 があります。

attention は、ざっくり言えば「各クエリ（問い）が、どのキー（手がかり）に、どれだけ注目するか」の重み表を作る仕組みです。

これは「どの問いを、どの情報源へ、どれだけ割り当てるか」という“ソフトな対応づけ”であり、まさに 輸送計画（4-2）と同じ形 をしています。

実際、attentionをエントロピー正則化つきの最適輸送（Sinkhorn）として設計し直す研究（Sinkhorn attention など） があり、「割り当ての行和・列和をそろえる」制約を入れると、より素直でバランスの取れた対応が得られることが知られています。

7-5. さらに広がる応用 ── 強化学習と公平性

最適輸送の“分布を運ぶ・比べる”発想は、さらに別の分野へもにじみ出しています。

強化学習 では、「期待値（平均の報酬）」だけでなく 「報酬の分布そのもの」を学ぶ分布的強化学習 が注目され、そこで 分布どうしの距離としてWasserstein距離が使われます 。

お手本の行動を真似る模倣学習 でも、プロの行動分布と自分の行動分布をWassersteinで近づける、という使い方 があります。

公平性（fairness） でも登場します。性別や人種などの属性グループ間で、予測やデータの分布がずれていると、不公平が生じます。

最適輸送は、この“グループ間の分布のズレ”を測り、さらに「分布をそろえるように変換する」ことで、偏りを補正する道具として研究 されています。

8. 産業別の応用と実装 ── どの分野の、どんな問題に効くか

最適輸送が、各産業のどんな問題解決につながるか。代表的な分野ごとに、使われる言語・ライブラリと実装の方向性を示します。

実装は概ねPython（POT、PyTorch）が共通語で、大規模・微分可能性が要る場面ではPyTorch上のGeomLossなどを使います。

8-1. バイオ・創薬 ── 細胞の時間変化を追う

近年もっとも鮮やかな応用の一つが、single-cell（単一細胞）解析です。

細胞は一度測定すると死んでしまうため、『同じ細胞の時間変化』を直接は追えません。

そこで、ある時点の細胞集団（分布）と、別の時点の細胞集団（分布）を最適輸送で結びつけ、『どの細胞が、どの細胞へ変化したか』の対応を推定します（これは同じ細胞を直接追跡した結果ではなく、集団どうしの分布から統計的に推定した“対応関係”である点に注意してください）。

発生・分化・薬剤応答の軌跡推定（Waddington-OTなど）として、実際に使われています。

• 言語・ライブラリ：Python（POT、moscot、scanpy連携）
   
• 解く問題：時点間の細胞対応、分化軌跡、薬剤・化学療法の効果の定量（治療群と対照群の分布間距離）
   

8-2. 画像・コンピュータビジョン

色の分布を別の画像に合わせる色調変換、形状の補間（モーフィング）、画像生成の評価などに使われます。画像のヒストグラムを分布とみなし、最適輸送で『片方の色分布をもう片方へ運ぶ』ことで、自然な色移しが実現できます。

• 言語・ライブラリ：Python（POT、PyTorch、GeomLoss）

• 解く問題：色調変換、スタイル変換、形状補間、生成画像の品質評価

8-3. 自然言語・LLM

文書どうしの意味的な距離を測るWord Mover's Distance（単語埋め込みの分布間の最適輸送）や、Transformerのattention・トークン分布の解析にも、最適輸送の視点 が入っています。

文書を『単語の分布』とみなし、意味の近さを引っ越し費用で測る、という発想 です。

近年はLLMの文脈で、別々に学習した埋め込み空間をそろえる（多言語の整列やモデルのマージ）、検索・RAGで意味の近さを測る、といった用途にも広がっています。

• 言語・ライブラリ：Python（POT、gensim、PyTorch）

• 解く問題：文書類似度、意味検索、埋め込み空間のアライメント

8-4. 物流・経済・オペレーションズ

最適輸送の原点である輸送問題は、いまも物流・サプライチェーンの根幹です。

供給地から需要地への最小コスト配分、施設配置、資源割り当てなど、線形計画として日常的に解かれています。経済学でもマッチング理論や価格付けに使われます。

• 言語・ライブラリ：Python（POT、PuLP、OR-Tools）、商用ソルバー

• 解く問題：配送計画、在庫配分、マッチング、施設配置

8-5. 医療・ヘルスケア

患者集団の分布比較、医療画像の位置合わせ（レジストレーション）、疾患分類（Sinkhornダイバージェンスを使ったアルツハイマー分類などの研究例）にも応用が広がっています。

• 言語・ライブラリ：Python（POT、PyTorch、MONAI連携）

• 解く問題：画像位置合わせ、患者集団の比較、分類器の改良

【画像プロンプト⑬｜産業別・最適輸送の応用マップ（生成AI向け）】挿入位置：第8章の冒頭または末尾

5産業（バイオ・画像・NLP・物流・医療）に最適輸送が広がる俯瞰図。第8章全体の地図。

8-6. 実装イメージ ── 色分布の最適輸送（応用の雰囲気）

2つの色分布の間の輸送をSinkhornで解く、画像の色移しの骨格です（前処理・画像読み込みは省略）。

import numpy as np
import ot

# src_colors, tgt_colors: 各画像の代表色（RGBの点群）
# wa, wb: 各色の重み（割合）
# 前提: バランス型OT（Tの各行和がwaに一致）／各waは正（0除算を避ける）
M = ot.dist(src_colors, tgt_colors)        # 色間の距離
T = ot.sinkhorn(wa, wb, M, reg=0.1)        # 高速に輸送計画を解く

# 輸送計画Tを使って、src の各色を tgt 側へ対応づけ、色を移す
mapped = T.dot(tgt_colors) / wa[:, None]   # バリセンター写像（バランス型OT前提。Unbalanced OTでは要調整）
print('移した後の代表色:', mapped)

9. キャリアの見取り図 ── 最適輸送を武器にする人は、どこへ向かうか

最適輸送は、特定の職種だけのものではありません。
『分布を運ぶ・比べる』という発想は、複数のキャリアの交差点に位置します。

方向	役割	最適輸送がどう効くか
生成AI研究	リサーチエンジニア／研究者	拡散・フローマッチングの中核理論として
MLエンジニア	ドメイン適応・分布シフト対応	本番環境のデータずれを埋める道具として
バイオインフォ	single-cell・空間オミクス解析	細胞の軌跡・治療効果の推定として
データサイエンティスト	分布比較・異常検知	2集団の違いを距離で定量する道具として
オペレーションズ	物流・最適化	輸送・配分問題の古典かつ実務の中核として

共通して言えるのは、最適輸送が『純粋数学・最適化・機械学習・各応用ドメイン』の交差点にある、ということです。1つ習得すれば、研究と実務、理論と応用の両方に足場を持てます。

【画像プロンプト⑭｜最適輸送を起点にしたキャリアの広がり（生成AI向け）】挿入位置：第9章の表の直後

最適輸送を中心に、生成AI研究・MLエンジニア・バイオインフォ・DS・オペレーションズへ広がるキャリア地図。

10. 2026年のビジネスニーズと、世界の現場での活用の広がり ── 最適輸送は仕事になるのか

第9章ではキャリアの“型”を見ました。

本章では、それが2026年現在、どの企業・研究現場で使われ始めているのかを、できるだけ具体に落とします。

結論から言うと、最適輸送は“派手な流行語”ではないものの、生成AI・創薬・金融・物流という伸び盛りの分野で、静かに、しかし確実に現場の道具になりつつあります。

分野ごとに、主なプレイヤー・使われている言語を挙げていきます。なお、ここで挙げる根拠には『研究開発・OSS（ライブラリや研究所の取り組み）』『論文での実証』『製品・業務での利用』が混在します。価値がそれぞれ異なるので、どれにあたるかが分かるように書き分けます。

研究者やライブラリが存在することは、ただちに企業の製品で本番採用されている証拠ではない点に注意してください。

10-1. 生成AI・テック ── 大手AI研究所の主要テーマ

最適輸送の研究開発は、いまや大手テック企業のAI研究所の主要テーマの一つです。

Sinkhornアルゴリズムを生んだMarco Cuturi氏は現在Appleの機械学習研究部門（とパリのCREST-ENSAE）に在籍し、大規模・GPU対応の最適輸送ライブラリOTT-JAXの開発を主導しています。

このOTT-JAXはもともとGoogleで生まれ、現在はApple中心に、過去にはGoogle・Metaの研究者も加わって育てられてきました。生成モデル側でも、フローマッチングを提案したのはMeta（FAIR）のチームです。

製品レベルでも動いています。

前章で触れたとおり、高解像度画像生成のStable Diffusion 3はrectified flow（最適輸送と地続きの手法）をベースにしており、ミニバッチ最適輸送でノイズとデータの対応を作る手法は、生成を高速化する標準テクニックになりつつあります。

• 主なプレイヤー：Apple、Google（Research）、Meta（FAIR）、Stability AI、NVIDIA、各生成AIスタートアップの研究部門

• 主な言語・ライブラリ：Python（JAX、PyTorch）、OTT-JAX、POT、GeomLoss

• 求められる役割：リサーチエンジニア、生成モデルの学習基盤エンジニア

10-2. バイオ・創薬 ── いちばん“実績”が見えやすい分野

いま最も実績が見えやすいのがこの分野です。

2025年、ドイツのHelmholtz Munich（ファビアン・タイス研究室）を中心とする国際チームが、単一細胞解析のための最適輸送フレームワークmoscot（Multi-Omics Single-Cell Optimal Transport）をNature誌に発表しました。マウス胚の約170万細胞を20の時点にわたって最適輸送で対応づけ、細胞が時間と空間の中でどう変化していくかを（直接の追跡ではなく推定として）再構成する、という規模です。

moscotは前述のOTT-JAXを計算エンジンに使い、不均衡OTなど第6章で触れた発展形をフル活用しています。

発生・分化の軌跡推定、薬剤への応答の定量、空間トランスクリプトミクスの位置合わせなど、用途は創薬・基礎医学に直結します。

moscot自体はNature掲載の論文実証＋OSSで、アカデミアや製薬・バイオテックの計算生物学チームで、研究の道具として広く使われ始めています（＝研究・OSSでの普及であり、全社的な製品採用とは別物です）。

• 主なプレイヤー：Helmholtz Munich／TUM、ETH Zürich、製薬・バイオテックの計算生物（computational biology）部門

• 主な言語・ライブラリ：Python（scanpy、moscot、OTT-JAX、POT）

• 求められる役割：バイオインフォマティシャン、計算生物学者、single-cell解析エンジニア

10-3. 金融・クオンツ ── 「最悪でも破綻しない価格」を求める

金融 では、最適輸送は「最悪のケースでも破綻しない価格・ヘッジを求める」ロバスト・ファイナンスの中核 として使われています。

鍵になるのが マルチンゲール最適輸送（MOT） です。

ふつうの最適輸送に 「無裁定（アービトラージがない）」という金融の制約を足したもの で、特定の確率モデルを仮定せずに、デリバティブ（オプション）の価格が取りうる上限・下限を導けます。

エキゾチック・オプション（ルックバック、アジアンなど）の頑健な価格付けやヘッジに直結する話 です。

この分野は、Pierre Henry-Labordère氏（投資銀行のクオンツとして著名）やAlfred Galichon氏（ニューヨーク大学、経済学×最適輸送）といった、アカデミアと実務をまたぐ人々がけん引してきました（ここは製品そのものというより、研究と専門的な実務の両方で“手法として”使われている領域です）。

規制資本（FRTBなど）の文脈でも、モデルに依存しない価格境界を与える手法として研究が続いています。

経済学では、Galichon氏らによってマッチング市場（労働・結婚市場のモデル化）や需要推定にも応用されています。

• 主なプレイヤー：投資銀行・ヘッジファンドのクオンツ／リスク部門、大学の数理ファイナンス・計量経済グループ

• 主な言語・ライブラリ：Python、C++（高速化用）、（経済学では）R

• 求められる役割：クオンツ・アナリスト、リスクモデラー、計量経済エンジニア

10-4. 物流・製造・オペレーション ── 枯れて信頼できる基盤

最適輸送の“原点”である輸送問題は、いまも物流・製造の現場で日々解かれています。

供給地から需要地への最小コスト配分、倉庫の在庫配分、施設配置、生産割り当て ── これらは線形計画（LP）として定式化され、ソルバーで解かれます。

先端AIというより“枯れて信頼できる基盤技術”として、サプライチェーン最適化の根っこに居続けています（本章で唯一、研究ではなく実務の現場で日々動いている定番、と言える領域です）。

• 主なプレイヤー：物流・小売・製造各社のオペレーションズ／サプライチェーン部門、最適化ソリューション企業

• 主な言語・ライブラリ：Python（POT、PuLP、Google OR-Tools）、商用ソルバー（Gurobi、CPLEXなど）

• 求められる役割：オペレーションズ・リサーチ（OR）エンジニア、サプライチェーン・アナリスト

10-5. 採用言語・ライブラリの地図

分野	主なライブラリ	主な言語	代表的な現場・組織
生成AI・テック	OTT-JAX, POT, GeomLoss	Python（JAX／PyTorch）	Apple, Google, Meta ほか
バイオ・創薬	moscot, scanpy, OTT-JAX	Python	Helmholtz Munich, 製薬・バイオテック
金融・クオンツ	自社実装, POT	Python, C++（経済学はR）	投資銀行・ヘッジファンド, 大学
物流・経済	POT, PuLP, OR-Tools	Python	物流・小売・製造, 最適化ベンダー

10-6. まとめ ── 2026年に最適輸送が効くキャリア

全体を見渡すと、2026年時点で最適輸送が効くキャリアには共通点があります。

それは「2つの分布を比べる／片方を片方へ変換する」という課題が、業務の中心にあること。生成AIならノイズとデータ、創薬なら細胞集団どうし、金融なら市場で観測される価格分布、物流なら供給と需要。表面のドメインは違っても、解いている数学は同じです。

だからこそ、最適輸送は“一度学べば分野をまたいで使える”、コスパの高い投資になります。

Pythonと、POT／OTT-JAXのどちらかが書ければ、生成AIの研究チームにも、創薬のバイオインフォにも、金融のクオンツにも、同じ語彙で入っていけます。専門を一つに絞り切る前の土台として、これほど“つぶしが効く”数学はそう多くありません。

ただし念のため ── ライブラリが書けることと、その分野で通用することは別です。

各分野には固有の専門知識（生成モデルの学習、計算生物学、金融工学など）が求められます。

最適輸送は、それらの分野へ入るときに共通して効く“土台の一つ”、と捉えるのが正確です。

11. 結び ── 「分布を運ぶ」という、一本の太い発想

旅の終わりに、最適輸送が辿ってきた一本道を年表で振り返っておきます。
登場する名前は、すべて本文に出てきたものです。

• 1781年：モンジュが「土を最小の労力で運ぶ問題」を提起（最適輸送の誕生）
• 1942年：カントロヴィチが「分けて運んでよい」定式化へ（線形計画・双対の礎）
• 2013年：クチュリがSinkhornで高速化（深層学習への扉が開く）
• 2017年：WGANがWasserstein距離で生成モデルの学習を安定化
• 2019年：Waddington-OTが単一細胞の時間変化の追跡に応用
• 2023年：フローマッチング／rectified flowが生成AIの主力へ
• 2025年：moscotがNature誌に。約170万細胞を最適輸送で地図化

18世紀の土木の問いが、240年あまりをかけて、生成AIと生命科学の最前線の言葉になった
── これが「AI時代の必修数学」という副題に込めた意味です。

モンジュ（1781）からmoscot（2025）までを横一列の年表にすると、「AI時代の必修」というテーゼに背骨が通る。

振り返れば、最適輸送は18世紀の『土を運ぶ問題』として生まれました。

しかしその核心 ──『ある分布を、別の分布へ、最小の労力で運ぶ』── は、時代を超えて、いまAIとデータ解析のあらゆる場所で生きています。

拡散モデルがノイズを画像へ運び、single-cell解析が細胞の時間変化を運びとして捉え、ドメイン適応がデータのズレを埋める。すべて『分布を運ぶ』という一本の太い発想でつながっています。

最適輸送は、もはや一部の数学者だけのものではありません。
分布を扱うあらゆるエンジニア・研究者・データサイエンティストのための、汎用的な思考の道具です。

砂山の引っ越しという素朴な絵から始まる、この美しい数学を一つ携えれば、生成AIの中身も、バイオの最前線も、物流の最適化も、同じ地図の上で見渡せるようになるはずです。

本記事が、その地図を開く一枚になれば幸いです。

最後までお読みいただき、ありがとうございました。

用語ミニ辞典（英日かんたん対応）

論文やライブラリで頻出する言葉を、英語・日本語・一言の意味で並べておきます。手元の早見表にどうぞ。

• Optimal Transport（OT／最適輸送）：分布を最小コストで別の分布へ運ぶ問題。

• Wasserstein distance（ワッサースタイン距離）：その最小コストを、分布間の「距離」とみなしたもの。

• Earth Mover's Distance（EMD）：Wasserstein距離の別名（土を動かす距離）。

• coupling／transport plan（カップリング／輸送計画）：どこからどこへ、どれだけ運ぶかの表（行列）。

• marginal（周辺／マージン）：輸送計画の各行和・各列和（＝供給と需要）。

• cost matrix（コスト行列）：各点間の運搬コスト（距離など）を並べた行列。

• entropic regularization（エントロピー正則化）：計算を速くするための“ぼかし”。Sinkhornの核。

• Sinkhorn divergence（Sinkhornダイバージェンス）：エントロピーバイアスを補正した、距離に似た指標（“距離そのもの”ではない）。

• dual（双対）：「価格表を最適化する」もう一つの見方。WGANの土台。

• push-forward（押し出し）：ある分布を写像で変換し、別の分布にする操作。

• barycenter（重心）：複数の分布の“幾何的な平均”。

• Sliced Wasserstein（スライス版）：1次元へ射影して高速に測る近似。

• Unbalanced OT（不均衡OT）：総量が合わなくても運べる拡張。

• Gromov-Wasserstein（GW）：違う空間どうしを“関係性”で対応づける拡張。

参考文献・主要論文リスト

教科書・サーベイ（まずはここから）

• Peyré, G. & Cuturi, M. (2019). Computational Optimal Transport: With Applications to Data Science. Foundations and Trends in Machine Learning, 11(5–6), 355–607. （計算論的最適輸送の定番。無料で読める） https://arxiv.org/abs/1803.00567

• Villani, C. (2009). Optimal Transport: Old and New. Springer. （理論の大著）

基礎となるアルゴリズム・定式化

• Monge, G. (1781). Mémoire sur la théorie des déblais et des remblais. （最適輸送の起源）

• Kantorovich, L. V. (1942). On the translocation of masses. （カントロヴィチの定式化）

• Cuturi, M. (2013). Sinkhorn Distances: Lightspeed Computation of Optimal Transport. NeurIPS. https://arxiv.org/abs/1306.0895

• Chizat, L., Peyré, G., Schmitzer, B. & Vialard, F.-X. (2018). Scaling Algorithms for Unbalanced Optimal Transport Problems. Mathematics of Computation. （不均衡OT）

• Mémoli, F. (2011). Gromov–Wasserstein Distances and the Metric Approach to Object Matching. Foundations of Computational Mathematics. （Gromov-Wasserstein）

• Bonneel, N., Rabin, J., Peyré, G. & Pfister, H. (2015). Sliced and Radon Wasserstein Barycenters of Measures. Journal of Mathematical Imaging and Vision. （Sliced Wasserstein）

• Feydy, J. et al. (2019). Interpolating between Optimal Transport and MMD using Sinkhorn Divergences. AISTATS. （Sinkhornダイバージェンス）

生成AI・深層学習

• Arjovsky, M., Chintala, S. & Bottou, L. (2017). Wasserstein GAN. ICML. https://arxiv.org/abs/1701.07875

• Genevay, A., Peyré, G. & Cuturi, M. (2018). Learning Generative Models with Sinkhorn Divergences. AISTATS.

• Lipman, Y., Chen, R. T. Q., Ben-Hamu, H., Nickel, M. & Le, M. (2023). Flow Matching for Generative Modeling. ICLR. https://arxiv.org/abs/2210.02747

• Liu, X., Gong, C. & Liu, Q. (2023). Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow. ICLR. https://arxiv.org/abs/2209.03003

• Tong, A. et al. (2024). Improving and Generalizing Flow-Based Generative Models with Minibatch Optimal Transport. TMLR. https://arxiv.org/abs/2302.00482

• Esser, P. et al. (2024). Scaling Rectified Flow Transformers for High-Resolution Image Synthesis（Stable Diffusion 3）. ICML. https://arxiv.org/abs/2403.03206

応用（ドメイン適応・NLP・バイオ・金融・経済）

• Courty, N., Flamary, R., Tuia, D. & Rakotomamonjy, A. (2017). Optimal Transport for Domain Adaptation. IEEE TPAMI. https://arxiv.org/abs/1507.00504

• Kusner, M., Sun, Y., Kolkin, N. & Weinberger, K. (2015). From Word Embeddings To Document Distances（Word Mover's Distance）. ICML.

• Schiebinger, G. et al. (2019). Optimal-Transport Analysis of Single-Cell Gene Expression（Waddington-OT）. Cell, 176, 928–943.

• Klein, D. et al. (2025). Mapping Cells Through Time and Space with moscot. Nature, 638, 1065–1075. https://doi.org/10.1038/s41586-024-08453-2

• Galichon, A. (2016). Optimal Transport Methods in Economics. Princeton University Press. （経済学への応用）

• Henry-Labordère, P. (2017). Model-free Hedging: A Martingale Optimal Transport Viewpoint. Chapman & Hall/CRC. （金融・MOT）

ライブラリ

• Flamary, R. et al. (2021). POT: Python Optimal Transport. Journal of Machine Learning Research. https://pythonot.github.io/

• Cuturi, M. et al. (2022). Optimal Transport Tools (OTT): A JAX Toolbox for all things Wasserstein. https://github.com/ott-jax/ott

• moscot（単一細胞向け最適輸送ツール）: https://github.com/theislab/moscot

※ 次回予告：本シリーズでは引き続き、AI・機械学習を支える数学を、高校数学から地図にしていきます。