A statistical physics-based analysis of extended random networks preserving detailed input-output contributions during integration

Publicly Offered Research

Project Area	Foundation of "Machine Learning Physics" --- Revolutionary Transformation of Fundamental Physics by A New Field Integrating Machine Learning and Physics
Project/Area Number	25H01549
Research Category	Grant-in-Aid for Transformative Research Areas (A)
Allocation Type	Single-year Grants
Review Section	Transformative Research Areas, Section (II)
Research Institution	Meiji University
Principal Investigator	中野直人明治大学, 総合数理学部, 専任准教授 (30612642)
Project Period (FY)	2025-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000) Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Keywords	ランダムネットワーク / レザバーコンピューティング / 統計物理 / 機械学習 / 普遍類
Outline of Research at the Start	再帰的ニューラルネットワークの1種であるレザバーコンピューティング (RC) は，学習コストの低さやタスクに対する柔軟性のため，幅広い分野で応用されている．これまで計算性能を最適化するための設計指針は理論的には得られていないのが実状である．その中，本研究では「与えられた入出力時系列に対して，どのようにランダムネットワークを設計すれば良いか」の方法論を統計物理のアプローチから構築することを目的とする．内部ネットワークとは別個に入出力のスケーリングを与え，入出力の寄与を解像させたまま RC の普遍的な性質を導く方法論を導入する．これにより，物理学・数学と機械学習の融合を目指す.