【連載 伝わる論文】Problem & Methodの書き方

前回：Related Workの書き方

おさらい：前回までに、基本編として以下の３つの論文の基本構成パターンを紹介し、以降は、応用分野系および機械学習系のスタイルを念頭に、Introduction、Title & Abstract、Related Workの書き方を紹介しました。

今回は、論文のメインとなる手法（Problem & Method）の書き方について解説します。

基本的な方針

Problem & Methodの書き方について、基本的な方針を説明します。

問題設定 と 手法枠組み → 中核 → 全体仕様 → 補足事項の流れで

Problem & Methodでは、提案手法の根幹となるアイディアを分かりやすく提示することが最も重要です。

そのためには、Methodのなるべく早い段階で中核となるアイディアを説明することが大事です。
しかし、前提となる土台がなければ、アイディアも説明できません。
したがって、議論の土台としての問題設定や手法の枠組み、そして、その中で特にこの研究で着目した問題を説明する必要があるでしょう。

特に、研究フォーカス（着目問題）、そして中核アイディアへと話を進める際には、Introductionで組み立てたストーリーに一貫して沿うようにするのが大切です。

中核のアイディアを説明したら、それを実現する具体的な方法と、既存技術を含む手法全体の構成要素を説明し、提案手法を肉付けしていきます。

このように、必要最低限の枠組みをPreliminariesやProblem & Methodの冒頭で示した後、すぐに手法の中核について説明し、手法全体の仕様や補足事項は後半で詳述するというスタイルを第一に検討したいです。
私の論文でも、このパターンが多いです [Ito & Taniai et al. (ICLR 2025); Taniai et al. (ICLR 2024); Yonetani & Taniai et al. (ICML 2021); Taniai & Maehara (ICML 2018)]。

アイディアをシンプルな形式で説明して段階的に拡張

根幹となるアイディアを説明する際、一度の説明ですべてを完璧に伝えようとすると、式や記号が複雑化し、本質的な意味の理解を妨げる原因となりかねません。
このような場合には、基本的なアイディアをシンプルな定式でストレートに説明し、その後、セクションを改めて実際の手法へと拡張するのが望ましいです。

たとえば、機械学習分野における伝説的な論文 ”Attention Is All You Need” [Vaswani et al. (NIPS 2017)] でも、最初にシンプルな自己注意（self-attention）機構を提示した後、それをマルチヘッド自己注意機構に拡張しています。
また、私の論文でも、最初に簡単なモデルを用いて基本的なアイディアを提示し、その後、それを拡張してフルモデルを提案した例があります [Taniai et al. (CVPR 2016)] 。

このように段階的に手法の説明を進めるアプローチは、後のExperimentsセクションで提案手法の効果を検証する際に、説明の上での簡易バージョンを、比較の際のベースラインとして活用可能という利点もあります。

内容によっては処理の流れ通りに説明するのもよい

一方で、この「中核→全体仕様→補足」という流れが適切ではない場合もあります。
たとえば、処理のパイプライン全体が提案手法になるような論文 [Taniai et al. (CVPR 2017); Endo et al. (ICRA 2023)] では、手法全体のパイプラインが中核のアイディアともいえます。
したがって、そのような場合は、まずはその全体像とその新しさについて、文章と図の両方を用いて早い段階で明らかにします。
その後は、処理の順番に沿って個々の処理の具体的な説明をするのがよいでしょう。

手法説明で気を付けるべき10原則

Problem & Methodは、論文の中でも特に明瞭さが求められる箇所です。
上記の方針をベースに、実際にこの章を執筆する際に特に留意すべき点を、10の原則として紹介します。
これらは、私自身が意識していることや、査読などで論文を読んでいて思うことをまとめたものです。

• すべての説明が明瞭かつ正確であること

• 前提となる問題設定が明確であること

• Introductionで提起された問題にきちんとフォーカスしていること

• 提案手法の中核をなすアイディアの説明が明瞭なこと

• 提案手法を採用した意図や想定される原理が明確であること

• 提案手法の背景にある著者の思想や哲学が伝わること

• 手法の全体像と主要な流れが容易に把握できること

• 既存部分と提案部分の区別が明確であること

• 一貫した直観的な記号スタイル（notation）を使用していること

• 式に数学的な矛盾がないこと

それぞれを簡単に説明します。

① すべての説明が明瞭かつ正確であること

提案手法の説明において、1箇所でも分かりにくい部分があると、読者に誤解を与えたり、その後の理解を妨げたりする可能性があります。
そのため、完成度に妥協せず、推敲を重ねる必要があります。

また、自分で読んでわかりにくいと思う箇所を直すのは当然なのですが、他人が読んだときに誤解されうる可能性を多面的に想定することも大事です。
このため、ときには他の人に読んでもらう、時間を置いてから読み直す、あえて疲れているときに読んでみるなどの工夫を重ね、分かりにくい表現や不自然な流れ、誤解を生みかねない記述を徹底的に見つけ出し、修正することが重要です。

② 前提となる問題設定が明確であること

手法の説明の前に、まず前提となる問題設定（Problem & MethodのProblemの部分）の枠組みをきちんと述べることが大事です。
具体的には、何をするのが目的なのか、何が入力で何が出力なのか、何が既知で何が未知なのかといった情報が大事になります。
必要に応じて、これらがどういった目的関数や変数として表されるのかを、数式で説明することも大切です。

③ Introductionで提起された問題にきちんとフォーカスしていること

手法の説明も、Introductionで提示された問題を起点とした、一貫したストーリー展開に沿うことが重要です。
このためには、問題設定を述べた後、できるだけ早い段階で核心に入り、提案手法がその問題にどうアプローチするのかを明確に示すべきです。
そうでないと、読者は「あのイントロでの話はいつ始まるんだろう？」「結局あの話はどこで説明されていたんだろう？」といった疑問を抱くことになってしまいます。

④ 提案手法の中核をなすアイディアの説明が明瞭なこと

提案手法を効果的に伝えるには、何が中核のアイディアなのかを明確に示すことが重要です。
このためには、まず、提案手法のメインの部分と、それ以外の補助的・周辺的な部分をセクションで切り分けることが大切です。
その上で、中核となるアイディアを図や数式を活用して説明する必要があります。
Introductionで提示したFigure 1を再掲することで読者の理解を補助したり、新たに説明用の図を作成したりすることも有効でしょう。

⑤ 提案手法を採用した意図や想定される原理が明確であること

手法の説明自体はもちろん重要ですが、なぜその手法によって良い結果が期待できるのかの理由についても、具体的かつ論理的に説明する必要があります。

この要件は、中核となるアイディアだけでなく、それ以外の周辺要素に関しても同様です。
例えば、手法の中核以外の部分において、既存手法にはない独自の複雑な機構やモジュールを導入した際には、その意図や効果をきちんと説明するべきです。
ただし、ハイパーパラメータの選択を「経験的に決めた」との説明に留めるくらいは許容されると思います。

⑥ 提案手法の背景にある著者の思想や哲学が伝わること

これは私見ですが、論文で伝えるべき「手法」とは、単なる形式的な手続きにとどまらず、「それを生み出すに至った著者の思想や哲学」もまた、ある種の汎用的な方法論として重要であると考えています。
これらは、研究における根本的な考え方やアプローチとして、読者や研究コミュニティに有益な示唆を与える可能性を持ちます。
したがって、表面的な原理の説明に終始するのではなく、可能であれば、著者独自の哲学や視点を織り込むことも推奨したいです。

⑦ 手法の全体像と主要な流れが容易に把握できること

手法の細部に過度に焦点を当て、全体像や処理の流れの説明が不十分であってはいけません。
詳細を説明する前に全体の枠組みを述べたり、全体像を説明するセクションを別途設けたりすること、また手法のパイプラインやワークフローを図やアルゴリズムとして可視化することなどが極めて重要です。
細部または全体像のいずれかが不明瞭であると、読者に著しい消化不良を招きます。
細部と全体像のどちらも等しくクリアにすることが重要です。

さらに、忘れがちなのが細部の説明と全体像の対応関係です。
手法の細部を説明する際は、全体像の中のどの部分に対応するのかを、読者が常に正しくフォローできる工夫を心がけるべきです。

⑧ 既存部分と提案部分の区別が明確であること

手法の構成要素の中で、どれが既存手法由来で、どれが提案部分なのかを明確に区別し、必要に応じてセクションを分けて説明するべきです。
手法自体の説明が明確であっても、既存手法との区別が不明瞭な場合、リジェクトの原因となることは珍しくありません。

⑨ 一貫した直観的な記号スタイル（notation）を使用していること

式において、一貫した記号スタイルを使用することは、数式の理解を促進するために不可欠です。

基本的なところでは、スカラー、ベクトル、行列などの区別を書式で書き分けることです。
たとえば、スカラーには x（non-bold 小文字）、ベクトルには x（bold 小文字）、行列には X（bold 大文字）を用いるスタイルが知られています。
このような書き分けは、著者の手間にこそなれど、読者には恩恵しかありません。

また、シンボルの当て方には、その分野でよく使われる習慣が存在することが多いです。
たとえば、機械学習分野では、xは入力、yは出力、zは中間的な潜在変数、Wは学習重み行列、θは学習パラメータといったものです。
このような想定される読者にとってなじみ深いシンボル、あるいは、意味から直観的に理解しやすいシンボル（たとえば関数にはfunctionのfなど）を用いるべきです。

このためには、関連研究で使用されている記号スタイルを参考にし、必要に応じて改善して用いることが望ましいです。
過去の研究の記号スタイルを承襲した場合は、その旨を明記して文献を引用するのが適切です。
また、あまり一般的でない記号やスタイルを複数導入する場合は、最初にまとめて提示したほうがよいでしょう。

⑩ 式に数学的な矛盾がないこと

数式は、厳密な議論をするためのツールです。
しかし、個人的にはまさかとは思うのですが、査読などで論文を読んでいると、数式として成立しない・矛盾がある式を書いている論文が珍しくありません。

１つの理由として、深層学習に慣れると、テンソル同士の掛け算などで、プログラム上で自動的に処理される操作を暗黙的に仮定し、正しくない数式を記述してしまうことがあり得ます。
例えば、X ∈ R^{n×d}  や c ∈ R^d といった次元数の異なる変数に対して、要素ごとの積 c ⦿ X を記述してしまう場合です。
深層学習のプログラムでは、これは ベクトル c がn個コピーされ、n×dの行列になってから掛け算されますが、数式としては誤りの表記です。

このような数式は混乱を招くため、極力避けるべきであり、論文には常に数学的に厳密で正確な数式を記載すべきです。
一方で、時には多少の記号の濫用（abuse of notation）が式の見通しを良くする場合もあります。
そのような場合であっても、必要最低限に留め、同時にabuse of notation がある旨を言葉で明記するべきでしょう。

Preliminaries章の導入の勧め

これらを実践する際に手助けとなる方法として、私はしばしばProblem & Methodを、PreliminariesとMethodの独立した章に分割することがあります [Ito & Taniai et al. (ICLR 2025); Taniai et al. (ICLR 2024); Endo et al. (ICRA 2023); Yonetani & Taniai et al. (ICML 2021); Taniai & Maehara (ICML 2018)]。

Preliminariesは、提案手法を理解するために必須となる記号表記や、問題設定、重要な既存研究のテクニカルな要点を、数式などを用いて要領よくまとめたものです。
論文の基本構成の回でも紹介しましたが、私はPreliminariesを、Problem & MethodとRelated Workの中間のような存在と位置付けて、たとえばIntroduction → Preliminaries → Method → Related Workのように、Related Workを後回しにする代わりにPreliminariesを先に配置するスタイルを好んで用いています。

Preliminaries導入の利点

Preliminariesを利用することでの利点はたくさんあります。

まず、前提となる問題設定を、本題に入る前にわかりやすく述べることができます（原則②）。
さらに、既存手法と提案手法を章立てで明確に分けることができ、何が新しいのかが伝わりやすくなります（原則⑧）。
そして、Preliminariesで基本的な枠組みを提示することで、Methodの開始直後から問題の核心に迫ることも可能になります（原則③）[[Ito & Taniai et al. (ICLR 2025)]。

Preliminariesなしに、Introductionの直後にRelated Workを置く場合、網羅的な記述が論文のスピード感を損なう場合があります。
また、Related Workでは通常、数式の使用が避けられることが多く、既存研究の説明が曖昧になりがちです。
Preliminariesを置くことで、重要な既存研究にだけ絞り、数式を使って明確に説明できます [Ito & Taniai et al. (ICLR 2025); Taniai et al. (ICLR 2024)]。

また、例えば機械学習系の会議に応用系のトピックの論文を投稿する際、そのトピックに詳しくない読者にも、Preliminariesで背景を詳しく説明した後にMethodで本題に入ることができます [Taniai & Maehara (ICML 2018)]。

具体例の紹介

最後に、これらの説明をより鮮明にするために、私の実際の論文2編  [Taniai et al. (ICLR 2024); Ito & Taniai et al. (ICLR 2025)] を例に、その構成を紹介します。
どちらも結晶構造を扱ったニューラルネットワークに関する研究です。

Crystalformer [Taniai et al. (ICLR 2024)]

まずは、Crytalformerの論文を例に紹介します。
この研究では、結晶構造からの物性予測という問題に対して、初めて標準的なTransformerモデル [Vaswani et al. (NIPS 2017)] を用いたアーキテクチャを提案しています。

まず、Preliminaries において、問題設定と重要な既存技術を、式を用いて簡潔に説明しています。

続いて章を改めて、手法の大まかな枠組み → 中核のアイディア → 補足的なアイディア → 具体的な手法の定義 → 全体の仕様 という流れになっています。

手法の大まかな枠組みでは、「入力としてこういう情報が与えられ、それがニューラルネットにより概ねこのような変換がされ、最終的にこういう値を出力する」という話を、著者独自の視点でSec 3の直下にまとめています。
この説明を簡潔にまとめることで、すばやくSec 3.1から中核アイディアの説明へ移るようにしています。

CrystalFramer [Ito & Taniai et al. (ICLR 2025)]

続いて、動的フレームという中核アイディアを提案し、上記Crystalformerに組み込んでCrystalFramerというネットワークを提案した論文です。

基本的には、先ほどの論文と同じような流れになっていますが、微妙な違いもあります。
先ほどのCrystalformerとは違い、この論文では、手法の基本的な枠組みの説明（Sec 2.2）も Preliminaries に収めています。

前掲のCrystalformer論文では、全体のフレームワークが手法の重要な要素でもありました。
なので、既存手法も採用する手法の基本的な枠組みについて、筆者独自の視点で説明し、これをMethod（Sec 3）の冒頭に据えました。

一方、CrystalFramerの論文では、その枠組みを前提とした上で、その一部の要素にフォーカスした研究になっています。
特にこの論文は、タイトルがRethinking the role of frames という、既存技術の機能について新たな解釈を与えるものになっています。
なので、この「既存概念に対する新たな洞察」を中核に据える形で、Sec 3の直下で、この議論を展開するようにしました。

まとめ

• 手法の説明は、いちばん明瞭さが求められるので、生じうる誤解を多面的に想定し、細心の注意を払って推敲する。

• 最初に問題設定や手法の枠組みを明らかにした上で、なるべく早い段階で中核アイディアの説明をし、段階的に具体化・詳細化する。

• 手法の表面的な説明にとどまらず、想定する原理と効果を説明し、さらに可能なら背景にある思想や哲学なども盛り込む。

• 手法の「中核と周辺」「提案と既存」の違いをセクションで区切り明確にする。

• 手法の全体像と主要な流れを明確に説明し、個々の説明との対応関係を明らかにする。

• 一目でわかりやすい記号スタイルを用い、正しく矛盾のない式を書く。

• Preliminariesの章を導入すると、わかりやすく書ける場合がある。

今回は論文の要ともいえるProblem & Methodの書き方について、基本的な方針と、気を付けるべき点を中心に解説しました。
提案手法の説明が読者にスッと入るように書ければ、一般読者や査読者から高評価に繋がります。
また、手法の新しい点・重要な点ををきちんと明確化すれば、実験で何を評価すればよいかも自ずと理解されやすくなります。
次回は、手法の評価実験の章について解説します。

次回：Experimentsの書き方

連載の励みになりますので、よかったら応援お願いします！