研究課題
若手研究
「スケールの分離」は物理学の理論解析手法、特に有効模型の抽出において中心的な役割を担っている。近年機械学習は用いるマシンパワーを上げることでその性能を年々高めているが、一方でメモリ消費や学習のコストを抑えて同程度の性能を出す事の重要性も増している。本研究では、スケールの分離を軸に、機械学習の物理学への応用と、スケールの分離の機械学習への組み込みを行い、両分野の双方向的な発展を目指す。「強化学習によるスケールの分離及びそれに伴う有効模型の導出」と「スケールの分離を機械学習のフレームワークに陽に組み込み、メモリ消費・学習コストの改善し物性の問題に適用する」事を目指し研究を行う。
