物理法則を”発見”できる機械学習モデルAI Feynman

テクノロジーカテゴリーの変更を依頼記事元:

akichan-f.medium.com

36 usersがブックマークコメント

記事へのコメント0件

注目コメント
新着コメント

新着コメントはまだありません。
このエントリーにコメントしてみましょう。

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

リンクを埋め込む

以下のコードをコピーしてサイトに埋め込むことができます

<iframe marginwidth="0" marginheight="0" src="https://b.hatena.ne.jp/entry.parts?url=https%3A%2F%2Fakichan-f.medium.com%2F%25E7%2589%25A9%25E7%2590%2586%25E6%25B3%2595%25E5%2589%2587%25E3%2582%2592-%25E7%2599%25BA%25E8%25A6%258B-%25E3%2581%25A7%25E3%2581%258D%25E3%2582%258B%25E6%25A9%259F%25E6%25A2%25B0%25E5%25AD%25A6%25E7%25BF%2592%25E3%2583%25A2%25E3%2583%2587%25E3%2583%25ABai-feynman-f57112e7e87d" scrolling="no" frameborder="0" height="230" width="500"><div class="hatena-bookmark-detail-info"><a href="https://akichan-f.medium.com/%E7%89%A9%E7%90%86%E6%B3%95%E5%89%87%E3%82%92-%E7%99%BA%E8%A6%8B-%E3%81%A7%E3%81%8D%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%ABai-feynman-f57112e7e87d">物理法則を”発見”できる機械学習モデルAI Feynman</a><a href="https://b.hatena.ne.jp/entry/s/akichan-f.medium.com/%E7%89%A9%E7%90%86%E6%B3%95%E5%89%87%E3%82%92-%E7%99%BA%E8%A6%8B-%E3%81%A7%E3%81%8D%E3%82%8B%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%A2%E3%83%87%E3%83%ABai-feynman-f57112e7e87d">はてなブックマーク - 物理法則を”発見”できる機械学習モデルAI Feynman</a></div></iframe>

プレビュー

規約違反を報告

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

物理法則を”発見”できる機械学習モデルAI Feynman

この記事についてこの記事は、データから物理法則を「発見」できる”AI Feynman”[1]の解説記事です。この... この記事についてこの記事は、データから物理法則を「発見」できる”AI Feynman”[1]の解説記事です。この手法の概要以下のようになります。物理法則をデータから見つけるという研究。ポイントは、次元削減や無次元量へ分解、並進対称性で変数を除去する等によって問題を簡単にすること。Neural Neworkでデータのパターンを学習させ、validationデータで並進対称性等の仮説検証を行う。問題設定ある物理現象に従うデータから物理法則を導くという問題設定を考えます。物理法則とは何かというと、万有引力の法則のように質量等のシンボルで表せる等式のことです。データの中にある変数を使って、目的変数をうまく表現できるシンボル形式の数式を見つけます。万有引力の法則例えば、２つの物体間での万有引力を表す数式を”発見”することを考えてみます。このときに使えるデータとしては、目的変数である万有引力の