物理学と機械学習

ディープラーニングと物理学

1章 初めに

2章 機械学習の一般論

3章 ニューラルネットワークの基礎

4章 発展的なニューラルネットワーク

5章 サンプリングの必要性と原理

6章 教師なし深層学習

7章 物理学における逆問題

8章 相転移をディープラーニングで見出せるか

9章 力学系とニューラルネットワーク

10章 スピングラスとニューラルネットワーク

11章 量子多体系, テンソルネットワークとニューラルネットワーク

12章 超弦理論への応用

13章 おわりに

機械学習により物理法則を導く論文

LLMや拡散モデルみたいに「中身は物理学」みたいな話が回帰してきてあの時の興奮がまた戻ってきた感じ。物理は徐々覇権を失いつつあってそれは計算機やプログラミングに科学の主流の座を奪われつつあったからだけど機械学習分野でこの「中身は物理学」みたいな流れが 2/3

（´-`）.｡oO( 情報理論やLLM周りの発展などいろいろな状況を見るに，もう線形応答論や非平衡熱力学や非平衡統計力学を真剣に勉強しないと現象が理解できない感じになってきましたね…．結局開けてみると，情報も学習も言語も，物理学がど真ん中に居座っていた感じ… )

AI科学者「AI-Descartes」　データと理論から最適な数式を自動推論　「相対性理論」などで実証

Speed Limits for Deep Learning

GPTの進化に量子コンピュータがめちゃくちゃ大事かもしれない、という示唆。この結果は本当に面白いと思う。私がお世話になったMisha Lukin先生のポスドクであるXun Gaoさんによる仕事で、この発展研究をQuEraでも続けていく予定です。

hayashi yusukeさん