Concepts de base
物理学原理を組み込んだ正則化再帰推論機械(rRIM)を提案し、光学スペクトルから対
の接着関数を信頼性高く推定できることを示した。
Résumé
本研究では、フレッドホルム積分方程式の逆問題を解決するための新しい機械学習アプ
ローチとして、物理学原理を組み込んだ正則化再帰推論機械(rRIM)を提案した。rRIMは
学習と推論の両過程で物理原理を組み込むことで、ノイズに強く、未知のデータにも柔
軟に対応できる。
具体的には以下の点を示した:
rRIMは、従来の機械学習手法と比べて、大幅に少ないトレーニングデータで高精度な
推定が可能
ノイズに対する頑健性が高く、広範な実用的ノイズ条件下で優れた性能を発揮
従来手法では扱えない大きく異なる特性のデータにも柔軟に対応可能
実験データへの適用結果が従来の最大エントロピー法と同等の精度
これらの特徴から、rRIMは物理系の逆問題解析に有効な手法であると示唆された。
Stats
1/τ op(ω, T) = ∫∞0 dΩ I2χ(Ω, T) K(ω, Ω, T)
ここで、1/τ op(ω)は光学散乱率、K(ω, Ω)はカーネル、I2χ(ω)は対の接着関数を表す。
Citations
"物理学原理を組み込んだ正則化再帰推論機械(rRIM)を提案し、光学スペクトルから対
の接着関数を信頼性高く推定できることを示した。"
"rRIMは、従来の機械学習手法と比べて、大幅に少ないトレーニングデータで高精度な
推定が可能であり、ノイズに対する頑健性が高く、広範な実用的ノイズ条件下で優れた
性能を発揮する。"