第1章 <物理|機械学習>
1.1 機械学習とは?
1.2 物理における機械学習(I):物理状態の分類・相転移検出
1.3 物理における機械学習(II):物理状態・物理モデルの表現
1.4 物理における機械学習(III):その他の例
第2章 量子多体系・量子多体波動関数
2.1 量子多体系とは
2.2 量子多体波動関数
2.3 量子多体波動関数に対する数値手法
第3章 人工ニューラルネットワーク
3.1 オーバービュー
3.2 識別モデル(とその動作原理)
3.3 生成モデル(とその動作原理)
3.4 学習方法の比較
3.5 人工ニューラルネットワークの表現能力
第4章 人工ニューラルネットワークを用いた量子状態表現
4.1 人工ニューラルネットワーク波動関数
4.2 テンソルネットワーク
4.3 人工ニューラルネットワーク波動関数の基本性質とテンソルネットワークとの比較
4.4 人工ニューラルネットワーク波動関数の適用例
第5章 人工ニューラルネットワークを用いた変分法
5.1 変分法とは
5.2 人工ニューラルネットワークを用いた変分アルゴリズム
5.3 量子スピン系を用いたデモンストレーション
5.4 量子スピン模型に対するカルレオ-トロイヤーの数値結果
5.5 適用の“本丸”
5.6 一般の量子多体ハミルトニアンへの適用
第6章 量子状態トモグラフィー
6.1 量子状態トモグラフィーとは
6.2 量子状態トモグラフィーの原理
第7章 基底状態計算に関する進展
7.1 変分法
7.2 基底状態を表す深層ボルツマンマシンの解析的な構築
第8章 発展的課題:励起状態・ダイナミクス・開放量子系・有限温度
8.1 励起状態
8.2 実時間ダイナミクス
8.3 開放量子系
8.4 有限温度
第9章 これからに向けて
9.1 機械学習手法の課題と将来の方向性
9.2 終わりに
参考文献
索引
1.1 機械学習とは?
1.2 物理における機械学習(I):物理状態の分類・相転移検出
1.3 物理における機械学習(II):物理状態・物理モデルの表現
1.4 物理における機械学習(III):その他の例
第2章 量子多体系・量子多体波動関数
2.1 量子多体系とは
2.2 量子多体波動関数
2.3 量子多体波動関数に対する数値手法
第3章 人工ニューラルネットワーク
3.1 オーバービュー
3.2 識別モデル(とその動作原理)
3.3 生成モデル(とその動作原理)
3.4 学習方法の比較
3.5 人工ニューラルネットワークの表現能力
第4章 人工ニューラルネットワークを用いた量子状態表現
4.1 人工ニューラルネットワーク波動関数
4.2 テンソルネットワーク
4.3 人工ニューラルネットワーク波動関数の基本性質とテンソルネットワークとの比較
4.4 人工ニューラルネットワーク波動関数の適用例
第5章 人工ニューラルネットワークを用いた変分法
5.1 変分法とは
5.2 人工ニューラルネットワークを用いた変分アルゴリズム
5.3 量子スピン系を用いたデモンストレーション
5.4 量子スピン模型に対するカルレオ-トロイヤーの数値結果
5.5 適用の“本丸”
5.6 一般の量子多体ハミルトニアンへの適用
第6章 量子状態トモグラフィー
6.1 量子状態トモグラフィーとは
6.2 量子状態トモグラフィーの原理
第7章 基底状態計算に関する進展
7.1 変分法
7.2 基底状態を表す深層ボルツマンマシンの解析的な構築
第8章 発展的課題:励起状態・ダイナミクス・開放量子系・有限温度
8.1 励起状態
8.2 実時間ダイナミクス
8.3 開放量子系
8.4 有限温度
第9章 これからに向けて
9.1 機械学習手法の課題と将来の方向性
9.2 終わりに
参考文献
索引