= 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[[http://hpx.phys.ocha.ac.jp/wiki/Seminar2018QuantumFieldTheory|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、{{{[[|テキスト]]}}}という形で挿入できる。の部分は添付ファイルならファイルを添付した後でattachment:とする。)