1 復元可能性の基本概念
復元可能性とは、観測された結果や記録された情報から、元の状態・構造・原因をどの程度再構成できるかを示す概念である。復元の成否は、情報が失われていないか、あるいは不可避な欠落や攪乱がどれほど存在するかに強く依存する。理想的には、観測が元を一対一に写し取っていれば確実に復元できるが、現実にはノイズ、欠測、観測の粗視化、計測器の制約、モデル化の誤りなどにより復元の確実性は低下する。
また復元可能性は単なる「復元できる／できない」の二値ではなく、どの要素まで復元できるか、どれだけの自由度が残るか、再構成の揺らぎがどの程度許容されるかという連続的な性質として理解される。
1.1 用語の定義と直観
1.1.1 「元のもの」とは何か（状態・原因・構造）
「元のもの」は文脈により異なる。たとえば、ある時点でのシステムの状態（連続量ならベクトル、離散なら組合せやラベル）、観測の背後にある生成要因（原因変数、潜在因子）、さらにその関係を規定する構造（ネットワーク構造、パラメータ集合、因果的な因子分解）などが含まれる。復元可能性が問う対象は、再構成したい対象の粒度をどう設定するかにより変わる。
状態を復元したいのか、原因を復元したいのか、あるいは因子の分解や生成過程の形まで復元したいのかで、必要な情報の種類や制約の強さが変わる。たとえば、原因の分解を要求するほど、同じ観測から取り得る候補の数が増えやすく、復元の難度は上がる。
1.1.2 「復元できる」とは何を意味するか（完全性・近似）
復元できるとは、再構成結果が目標とする「元のもの」に対して、所定の基準を満たすことを意味する。完全性を強く要求する場合は、真値と一致する、あるいは理想的に同じ構造を再現することが必要となる。一方、近似を許す場合は、誤差が許容範囲に収まる、あるいは予測性能や説明能力が基準を満たすといった条件で成立を判断できる。
このとき「一致」の定義にも幅がある。数値的な距離（誤差ノルム）で比較するのか、統計的性質（分布の一致、指標の同等性）で比較するのか、構造の同値（ラベル交換の扱いなど）を許容するのかによって、復元可能性の評価は変化する。したがって復元可能性は、基準設計と切り離せない。
1.2 関連する基本語彙
1.2.1 同定可能性
同定可能性（identifiability）は、モデルと観測過程のもとで、目的変数（あるいはパラメータ）が観測から一意に（少なくとも同値な形で）決まるかを問う概念である。復元可能性が実務的な再構成の程度を含むのに対し、同定可能性は理論的に「どれだけ区別できるか」を扱うことが多い。
同定可能性が成り立たない場合、観測が同じ結果を与える複数の候補が存在し、推定しても真の区別がつかない。これは情報の欠落というより、モデルと計測の写像が本質的に縮約していることに起因することがある。
1.2.2 可逆性
可逆性は、観測や変換のプロセスが逆写像を持つかどうかの性質として理解される。厳密な意味では、写像が一対一であり逆関数が定義可能である場合に可逆性が高い。
ただし、実際の復元は「理論的な逆」だけでなく、ノイズや近似を考慮した「実現可能な逆」で評価されることが多い。可逆性があってもノイズに弱ければ、実務上は復元の品質が崩れることがあるため、両者は同一視できない。
1.2.3 一意性と不確実性
一意性は、観測条件のもとで推定対象がただ一つの解として定まる性質である。一意性があるほど復元は頑健になりやすいが、現実にはノイズ、有限データ、離散化、制約の選び方により不確実性が残る。
不確実性は、主に観測誤差（測定の揺らぎ）とモデル上の曖昧さ（不完全な表現、仮定のズレ）に由来する。したがって復元可能性は「解が一つあるか」だけではなく、その解がどれほど安定に保たれるか、また解に関してどの程度の幅が残るかという見方が必要になる。
2 数理的枠組み
復元可能性は逆問題としての構造から理解されることが多い。観測は一般に「未知量（状態・原因・構造）から観測量への写像」として記述でき、逆問題はその写像を逆向きにたどろうとする試みである。このとき、存在性・一意性・安定性・情報量・制約の組合せが復元の可能範囲を決める。
2.1 逆問題としての捉え方
2.1.1 順問題と逆問題の対応
順問題は、未知量を入力し観測結果を計算する方向の問題である。逆問題は、その観測から未知量を推定しようとする方向の問題であり、数学的には同じ写像の逆を求めることに相当する。
順問題が比較的安定に計算できても、逆方向は難しい場合がある。典型例として、観測が低次元の特徴へ圧縮されると逆写像は情報を取り戻せず、複数の候補が成立しうる。また数値計算では、丸めや近似により逆方向が拡大誤差を引き起こすこともある。
2.1.1.1 事前条件（モデル・制約）による影響
逆問題では、事前条件が復元を左右する。モデル（生成過程や関係式の仮定）と制約（物理法則、滑らかさ、疎性、境界条件など）は、解空間を縮約し、曖昧さを減らす方向に働くことがある。
ただし制約は万能ではない。真の構造が仮定と整合しないと、解は「もっともらしいが誤った」方向へ寄ってしまう。結果として復元可能性は、観測だけで決まらず、選ばれた仮定の整合度に強く依存する。
2.1.2 解の存在性・一意性・多解性
数学的には、逆問題が解を持つか（存在性）、解がただ一つか（一意性）、あるいは複数の解があるか（多解性）を分けて考える必要がある。存在性がなければ復元は不可能であり、一意性がなければ選別不能な候補が残る。
多解性が生じると復元は「平均化」や「特定の選好」で決まることが多い。たとえば規則化や事前分布の導入は、複数候補のうちどれを優先するかを規定するため、復元可能性を実務的に成立させるが、真値そのものの再現を保証するとは限らない。
2.2 安定性とノイズ耐性
2.2.1 厳密復元と近似復元
厳密復元は、観測が理想的である場合に真の未知量を正確に回復することを狙う。一方、近似復元は、観測に誤差や欠落があっても、推定結果が目標に十分近い状態を返すことを狙う。
厳密に復元できる条件が満たされても、近似に対して脆弱であれば実際のデータでは破綻する。逆問題では、特にこのギャップが大きくなりやすい。したがって評価では、誤差伝播や推定誤差の分解が重要になる。
2.2.2 連続性・微小摂動への感度
安定性は、入力（観測）の微小な変化が出力（復元結果）の大きな変化を引き起こさない性質として捉えられる。連続性がある程度確保されるほど、ノイズ耐性は高くなる。
一方で、逆写像が「鋭敏」な場合、観測のわずかな揺らぎが推定の大振幅に増幅されることがある。その場合、復元可能性は理論上の一致ではなく、許容誤差の範囲内での抑制策（正則化、早期打ち切り、制約の追加）が鍵になる。
2.3 情報量と制約
2.3.1 データ量と復元の限界
データ量の増加は復元可能性を高めることがある。有限サンプルでは、推定値の揺らぎが大きくなりやすいが、サンプル数が増えると統計的な分散が低下し、同定や識別が進む。
ただし、データ量が無限に増えれば必ず復元が可能になるとは限らない。モデルが不適切、観測が情報を欠落させる構造を持つ、あるいは識別不能が根本的に解消しない場合は、理論的な限界として復元ができないことがある。したがって「量」と「観測の性質（写像の情報性）」は分けて評価する必要がある。
2.3.2 観測の写像と情報の損失
観測過程はしばしば次元を縮約する。たとえば連続状態を低次元特徴に写し取る、あるいは時間的・空間的に粗いサンプリングで取りこぼすといった形で情報が失われる。この損失は、逆問題の非一意性や不安定性を誘発しやすい。
写像がどの成分を抑え、どの方向に感度が低いか（感度構造、カーネル成分など）が重要となる。情報損失が大きい領域では、復元は選好や仮定に強く依存し、観測データだけでは元の詳細を取り戻せない。
3 証拠（エビデンス）との関係
復元可能性は、観測が「証拠」としてどれほど強いかに対応する。単にデータがあるだけでなく、そのデータが未知量の差異をどの程度分離できるかが問われる。さらに復元した結果は、独立の観測や整合性チェックによって検証可能である必要がある。
3.1 観測からの復元
3.1.1 観測可能性（測れること）
観測可能性は、対象に関する性質が測定器や手続きによって取得可能かを示す概念である。測れる項目が限られている、測定値の分解能が不足している、あるいは観測が間接的である場合、復元に必要な情報が得られず、識別が難しくなる。
観測可能性は復元可能性の土台であり、観測の設計（どの量をどの条件で測るか）が結果を左右する。測定系が対象の重要な変動成分に鈍感だと、どれほど計算を工夫しても復元が制限される。
3.1.2 推定と復元の違い
推定は統計的な意味でパラメータや状態を推し量る行為であり、復元は「元のものを再構成する」という目標に焦点がある。両者は重なるが、評価指標が異なることがある。
推定は例えば損失関数の最小化や事後分布の要約として定義されることが多い。一方復元は、元の構造や因果的な要因をどれだけ再現できたか、あるいは同値な表現まで戻せたかという観点で評価される。そのため、推定精度が高くても、構造復元としては不十分な場合がある。
3.2 検証可能性・反証可能性との接続
復元した仮説や構造が役に立つためには、観測に対する説明として整合し、かつ別のデータで評価できる必要がある。復元可能性の高低は、検証のしやすさにも影響する。候補が多すぎる状況では、検証しても選別が進みにくい。
3.2.1 復元した仮説の検証
検証は、復元結果から予測される観測を実際のデータと照合することで行われる。たとえば復元した状態から再現される特徴量が、別の条件下でも一致するかを調べる。
また、復元された構造が持つ帰結（制約の再現、相関のパターン、時間発展の整合など）を検査することで、単なる当てはめを超えた評価が可能になる。復元が不安定な場合は、検証データでも誤差が拡大し、再現性が損なわれることがある。
3.2.2 モデル選択と説明の妥当性
モデル選択は、候補モデルのうちどれが観測を最も良く説明し、復元の一貫性を保つかを決める作業である。復元可能性は、モデルの適合度と識別力に依存するため、複数のモデルを比較する枠組みが必要になる。
説明の妥当性は、単なる当てはまり（適合の良さ）だけでなく、別データでの予測、パラメータの妥当性、構造上の整合性といった基準でも判断される。規則化や事前分布の選択もモデル選択と密接であり、復元の性質を左右する要因となる。
4 実践的評価と限界
実務では、理論条件に加えて、データ品質、計測制約、計算資源、目的関数の設計が復元可能性を左右する。評価はしばしば「どの条件なら成功と見なせるか」を定義する形で行われる。
4.1 条件設定と前提依存性
4.1.1 事前知識・正則化・制約の役割
事前知識は、復元の不確実性を抑えるために利用される。正則化は、解の性質を望ましいものに誘導する代表的手段であり、たとえば大域的な滑らかさや疎性、エネルギーの抑制などが用いられる。
制約は解空間を狭め、識別不能な方向を減らす効果がある。しかし強すぎる制約は真の構造を排除し得るため、目標とする復元の範囲に照らして調整が必要になる。結果として、復元可能性は「データが許す範囲」と「仮定が許す範囲」の交点として現れる。
4.1.2 モデルミスマッチによる破綻
モデルミスマッチは、観測生成過程の仮定が実際と一致しないことにより生じる。たとえばノイズ分布の形が想定と違う、非線形性の強度が過小評価されている、潜在因子の数が仮定より多いなどが該当する。
この場合、理論的に復元可能であっても推定は系統誤差を含み、復元の結果が一貫してずれていく。さらに、非安定な逆問題では小さなミスマッチが大きな誤差につながることがあるため、仮定の妥当性確認が実務上の中心課題になる。
4.2 典型的な成功例・失敗例
4.2.1 ノイズが小さい場合の挙動
ノイズが小さく、観測の感度が十分に高い場合、逆問題は比較的安定に近い挙動を示しやすい。推定誤差は主に有限データ由来の分散として現れ、復元の揺らぎは限定されることが多い。
ただし、微小なノイズでも不安定性が強い問題では、復元が過度に振動する場合がある。このときは規則化やモデルの制約が有効になるが、その効果は妥当な仮定が存在するときに限られる。
4.2.2 情報欠損がある場合の特徴
観測が欠測を含む、あるいは本質的に情報を欠く場合、復元は不確実性を伴いながら進む。多解性が顕著になり、推定結果はデータへの適合と事前の偏りの間で決まることが多い。
特徴として、候補集合が狭まらない、あるいは目的変数の一部は回復できても別の成分は識別できないという偏りが起こる。復元可能性の評価では、平均的な誤差だけでなく、どの方向に情報が欠けたか、信頼区間がどう広がるかを確認する必要がある。
4.3 復元可能性を高める工夫
4.3.1 観測設計と実験計画
復元可能性を高めるには、観測の設計段階から情報性を高めることが重要である。観測条件を工夫し、対象の異なる状態が観測空間で十分に分離されるようにすることで、識別の度合いが上がる。
実験計画では、どの測定を追加すべきか、測定点の分布や時間スケジュールをどう設定するか、測定コストと情報利得のバランスをどう取るかが焦点になる。計測の感度が高い領域を狙うことは、逆問題の安定性改善にもつながり得る。
4.3.2 アルゴリズム選択と評価指標
アルゴリズム選択では、逆問題の性質に適した手法を選ぶことが求められる。たとえば、線形近似が妥当な場合と非線形最適化が必要な場合で適した手法は異なる。さらに、正則化の形や探索戦略、収束判定の方法も復元品質に影響する。
評価指標は、復元の目的に対応させる必要がある。数値誤差だけでなく、予測性能、復元構造の再現性、信頼度の妥当性（不確実性推定の較正）などを併用することで、復元可能性をより現実的に捉えられる。加えて、学習や推定が過度にデータに依存していないかを検証する設計も重要である。