global minimum

数学や最適化問題において、global minimumは関数が取り得るすべての値の中で最も小さい値を指します。これは単に低い値であることではなく、定義域全体を通じて絶対的に最小であるという強い意味を持ちます。実務上の最適化においては、この全域最小値を見つけ出すことが最終的な目標となることが一般的です。

local minimumとの決定的な違い

最も混同しやすいのがlocal minimum（局所最小値）です。local minimumは、ある特定の狭い範囲内では最小ですが、関数全体で見るとさらに低い値が存在する場合を指します。山あり谷ありの地形に例えると、local minimumは小さな窪みのようなものであり、global minimumはその地形の中で最も深い谷の底に相当します。多くの最適化アルゴリズムでは、誤ってlocal minimumに陥り、本当の全域最小値に到達できないという課題（局所解へのトラップ）が頻繁に発生します。

実用的な文脈での活用

機械学習やデータサイエンスの分野では、損失関数を最小化してモデルの精度を高める際にこの概念が重要になります。例えば、ニューラルネットワークの学習において、重みの調整によってコスト関数の全域最小値を達成できれば、理論上の最適解を得たことになります。しかし、複雑な関数では全域最小値を数学的に証明したり、確実に発見したりすることが非常に困難であるため、近似的に十分な低さの値を求めるアプローチが取られることも多いです。