目次
機械学習、深層学習が物理に何を起こそうとしているか
第1部 物性(深層学習による波動関数の解析;量子多体系とニューラルネットワーク ほか)
第2部 統計(自己学習モンテカルロ法;深層学習は統計系の配位から何をどう学ぶのか)
第3部 量子情報(量子アニーリングが拓く機械学習の新時代;量子計測と量子的な機械学習)
第4部 素粒子・宇宙(深層学習による中性子星と核物質の推定;機械学習と繰り込み群 ほか)
著者等紹介
橋本幸士[ハシモトコウジ]
1973年広島県に生まれる。2000年京都大学大学院理学研究科修了。現在、大阪大学大学院理学研究科教授。理学博士(本データはこの書籍が刊行された当時に掲載されていたものです)
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
takao
2
よくわからないが、すごい。2021/09/09
ishihama
1
統計編の後半にある統計力学的温度の機械学習にかかわる章はどうしても読みとおせない。玉すだれうんぬんが最後の方にあると考えるだけで萎えるからだ。あと素粒子などの後編も未読。
寝てる君
1
機械学習の応用について書かれているのがよい。ただし、0章の紹介での逆問題の説明はいただけない。はっきり言って間違った説明になっており、初学者を混乱させると思われる。その他の本文は物理分野への応用のアイデアが紹介されており興味深い。2020/01/26
Kazunori Ishizu
0
物理学での機械学習の利用についての物理各分野での解説。 ・機械学習は、非線形関数の最適化(近似解を得る手段) ・y = f(x) 順問題 fとx ⇒ y 逆問題(1) fとy ⇒ x 初期値問題、境界値問題 逆問題(2) xとy ⇒ f システム決定問題、法則の発見 機械学習は逆問題(2)を解く可能性を持つ計算可能なフレームワークである。 ・ホログラフィー原理とニューラルネットワークの対応が非常に面白い。2021/07/31
adamu_of_FUN
0
具体的にどのような応用例があるのかレビュー論文的な感じで事例を知ることができてよかった.式や図に対する解釈は表面をなぞるくらいしかできなかったので,知識を深めたら再度読みたい2021/01/17