2019年度 M1ゼミ （場の量子論＋機械学習）
目標
- 場の量子論の基礎を勉強して、ファインマン図を理解できるようになる。
- 機械学習の方法を基礎から理解する。どのような問題に応用されているかを知る。
進め方
毎週水曜日
- 場の量子論
2018年度の内容を参考に進める
- 機械学習
- 参考書： I. Goodfelloww, Y. Bengio and A. Courville, "Deep Learning"を読みながら進める。
日程
前期：自由場の量子化
5/15, 6/12, 7/3（会議）, 6/26（その他）は河野は不在。
場の量子論 |
機械学習 |
||||||
日付 |
担当 |
内容 |
資料 |
日付 |
担当 |
内容 |
資料 |
4/9 |
釣 |
解析力学：Lagrange形式、ネターの定理 |
|
4/17 |
前田 |
線形代数の復習 |
|
4/24 |
釣 |
特殊相対論：ローレンツ変換、4元ベクトル |
|
5/8 |
前田 |
確率と情報理論、数値計算 |
|
5/22 |
釣 |
Maxwell方程式の共変形式 |
|
5/29 |
前田 |
機械学習の基礎 |
|
6/5 |
釣 |
量子化の方法、スカラー場の正準量子化、状態の粒子解釈 |
|
6/12 |
前田 |
深層順伝播型ネットワーク |
|
6/19 |
釣 |
相対論的量子力学、Dirac方程式、反粒子 |
|
6/26 |
前田 |
深層学習のための正則化 |
|
7/3 |
釣 |
Dirac場の量子化、反交換関係、粒子・反粒子状態 |
|
7/10 |
前田 |
深層モデルの訓練のための最適化 |
|
7/17 |
釣 |
電磁場の量子化 |
|
7/24 |
前田 |
畳み込みネットワーク |
|
7/31 |
釣 |
プロパゲータの計算 |
|
8/ |
前田 |
系列モデリング：回帰結合型ニューラルネットワークと再帰型ネットワーク |
|
後期：相互作用する場
x/yy |
釣 |
遷移振幅、散乱断面積、崩壊率 |
|
x/yy |
前田 |
実用的な方法論 |
|
x/yy |
釣 |
(遷移振幅、相互作用表示、摂動論) |
|
x/yy |
前田 |
アプリケーション |
|
x/yy |
釣 |
(プロパゲータ、T積、N積) |
|
x/yy |
前田 |
線形因子モデル |
|
x/yy |
釣 |
Wickの定理 |
|
x/yy |
前田 |
自己符号化器 |
|
x/yy |
釣 |
Feynmann則（QEDの場合） |
|
x/yy |
前田 |
表現学習 |
|
x/yy |
釣 |
Wickの定理 |
|
x/yy |
前田 |
深層学習のための構造化確率モデル |
|
x/yy |
釣 |
断面積の計算 |
|
x/yy |
前田 |
モンテカルロ法 |
|
x/yy |
釣 |
非可換ゲージ理論の相互作用項 |
|
x/yy |
前田 |
分配関数との対峙 |
|
x/yy |
釣 |
ループ図の発散 |
|
x/yy |
前田 |
近似推論・深層生成モデル |
|
(資料は、[[<URL>|テキスト]]という形で挿入できる。<URL>の部分は添付ファイルならファイルを添付した後でattachment:<filename>とする。)