抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
様々な物理問題に含まれる回帰タスクを実行するために,回帰結果の不確実性を精度向上または等価的に低減することは,中心目標の1つに疑いがない。ここでは,いくつかの驚くべきことに,逆統計問題の回帰タスクの実行における好ましくない回帰不確実性が,実際にシステムの相転移に関する隠れ情報を含むことを見出した。この隠れ情報を利用して,著者らは,回帰不確実性から,物質の位相の自動検出のための新しい教師なし機械学習アプローチを開発した。これは,システムの回帰不確実性と応答特性の間の固有接続を明らかにすることによって達成され,従って,この機械学習アプローチの出力を,物理学の従来の概念によって直接解釈できる。強磁性Isingモデルと3状態クロックモデルの臨界点を同定し,6状態と7状態クロックモデルにおける中間相の存在を明らかにする。これまでに開発された広く使用された分類ベースのアプローチと比較して,それらの認識されたクラスのパターンは基本的に抽象的であり,それは物理学の従来の概念とのそれらの直接的関係を妨げる。これらの課題は,分類タスクで優れている最先端の深層ニューラルネットワークを使用するときでも持続する。対照的に,回帰タスクを実行するニューラルネットワークであるコアワーキングウマでは,この新しいアプローチは実用的に効率的であるだけでなく,物理的に解釈可能な方法で機械学習を介して新しい物理学を開示するための興味深い可能性に向けた道を開く。【JST・京大機械翻訳】