文献

J-GLOBAL ID：201702227545180407   整理番号：17A1009929

物質の相の機械学習

Machine learning phases of matter

著者 (3件)： CARRASQUILLA Juan (Perimeter Inst. for Theoretical Physics, Ontario, CAN) ,  MELKO Roger G. (Perimeter Inst. for Theoretical Physics, Ontario, CAN) ,  MELKO Roger G. (Univ. Waterloo, Ontario, CAN)
資料名： Nature Physics  (Nature Physics)
巻： 13  号： 5  ページ： 431-434  発行年： 2017年05月 
JST資料番号： W2060A  ISSN： 1745-2473  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 凝縮物質系における相の研究は,様々な状態の基本的な物理的構造を解明するためのツールを利用して行われている。凝縮物質系の物性は,電子,核,磁気モーメント,原子,量子ビットなどの無限に複雑な集合体の集合的挙動である。この複雑性は,機械学習において一般的に遭遇する「次元の呪い」と関係する。粒子の数とともに状態空間が指数関数的に増大することに対応する。「次元の呪い」などの問題を解決するために,複雑なデータセットを特徴づける機械学習法に着目した。本論文では,完全に接続された畳み込みニューラルネットワークなどの最新の機械学習アーキテクチャを利用して,様々な凝縮物質における相および相転移を解析した。ニューラルネットワークを訓練することで,モンテカルロ法などのサンプリング法では導出できない複雑な秩序パラメータなどの特性を導出できる。

シソーラス用語： *機械学習 ,  *ニューラルネットワーク ,  ハミルトニアン ,  秩序パラメータ ,  磁気モーメント ,  信号標本化 ,  パラメータ ,  計算量 ,  量子情報 ,  畳込み ,  *相転移 ,  *凝集体 ,  *凝縮相 ,  量子ビット
準シソーラス用語： 次元の呪い

分類 (2件)： 相転移・臨界現象一般  (BL04010V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 物質 ,  相 ,  機械学習