サイエンス
古代の叡智「囲碁」とAIが解き明かす熱力学の迷宮：データセンター冷却革命への道
バージニア工科大学の研究チームが、2500年の歴史を持つボードゲーム「囲碁」と、その王者を打ち負かしたAI「AlphaGo」から着想を得て、次世代のエレクトロニクス冷却技術に革新をもたらそうとしている。彼らの研究は、単な […]
Term
物理拡張機械学習
別名: PAML, Physics-Augmented Machine Learning
Overview
最終更新: 2026年7月9日純粋なデータ駆動型の機械学習に、物理学的な知見（保存則や経験式など）を「事前知識」として統合する手法。これにより、データが少ない場合でも物理的に妥当な予測が可能になり、予測精度の向上とモデルの信頼性確保を両立できる。
Mentioned Articles
1 件Research Papers
5 件- between Probability Distributions: Recent Advances in Machine Learning
- 行列因子化の混合モデルへの拡張と映画レーティング予測への応用(一般,生物模倣情報処理,機械学習,一般)
- How Does the Free Energy Principle Inspire Artificial Intelligence?
ヒトの知能を理解することによって計算機上にヒト の知能と遜色のない機能をつくりたい/ヒトの知能と 遜色のない機能を計算機上につくれる程度にまでヒト の知能を理解したい.こうした脳型人工知能を志向す る研究動機から,生物の神経細胞やそのネットワーク 構造や動態を調べるボトムアップ・アプローチと生物 が解いているタスクからそれに必要な計算過程を調べ るトップダウン・アプローチの両輪が必要であるが,両 者の間のギャップは未だ大きい. 自由エネルギー原理(free energy principle;FEP) は,脳における認識・判断・行為の過程の情報処理機 構全般を対象とした説明原理であり,予測符号化モデ ルに端を発して,不確実環境を対象としたベイズ推定 を基盤においた拡張・精緻化が加わっている.とくに FEPを用いた能動推論(active inference;AIF)のア イディアによって,予測符号化が行動生成過程のモデ ルとリンクしたところに特徴があり,他者の行動を 自らの内部モデル中にフィッティングすることによっ て理解する過程(ミラーニューロン系)のモデルや, 所要の目的に必要な情報を探索によって獲得する過程 における情報獲得の価値(epistemic value)の導出 などの発展がある.その一方でこれらと平行する形で, ∗〒 606–8501 京都府京都市左京区吉田本町 FEPが依って立つ基盤である変分推論および確率的推 論としての最適制御の方法論も,機械学習や知的制御 の立場から見て急速に研究が進んでいる. 本論では,FEPおよび AIFが依って立つ方法論の 基礎を確認することによって FEPや AIFの意義を浮 かび上がらせることを試みる.2章では変分推論につ いて説明し,自由エネルギーを最適化するという言葉 の意味するところを精緻に議論する.3章では確率的 推論としての制御について現代的な視点を解説し,AIF の特色と意義について議論する.4章では AIFのアル ゴリズム導出の詳細な手順を確認し,これの妥当性に ついて議論する.
- Aggregation of Swarm Robots Using Evolutionary Probabilistic Finite State Machine ○
- Change-point Detection between Two Unsteady CFD Simulation Results by Sparse Structure Learning