More is different.
God is in the details.

NEWS

Dates
March 25-29, 2024
Conference
SQAI-NCTS Workshop on Tensor Network and Quantum Embedding (Hongo Campus, The University of Tokyo)
Title
Optimizing the structure of tree tensor network for quantum generative modeling using mutual information-based approach
Abstract
Generative modeling is a crucial task in the field of machine learning. Recently, there have been several proposals for generative models on quantum devices. We can efficiently optimize generative models defined by tensor network states, but their performance largely depends on the geometrical structure of the tensor network. To tackle this issue, we have proposed an optimization method for the network structure in the tree tensor network class, based on the least mutual information principle. Generative modeling with an optimized network structure has better performance than a fixed network structure. Moreover, by embedding data dependencies into the tree structure based on the least mutual information principle, we can geometrically represent the correlations in the data.

日本物理学会 2024年春期大会(オンライン)

日程: 2024年3月18日から3月21日

  • 講演(19pL2-13) "テンソルネットワークを用いた生成モデルの最適化されたネットワーク構造の解析"(共同研究者:大久保毅, 川島直輝)

計算物理 春の学校2024(沖縄県那覇市)

講義日
2024年3月12日
講義名
「テンソルネットワーク入門」
概要
多くの分野で活用されはじめたテンソルネットワーク形式の一般論から初めて、量子多体系の基底状態計算のためのテンソルネットワークを用いた代表的な手法と計算技術(テンソル縮約・自動微分)の解説をし、pythonを用いた実習を行う.

Date
Jan 26, 2024
Conference
2024 Annual Meeting of the Physical Society of Taiwan, Topical Symposia:Many-body systems and advanced numerical methods
Title
Optimizing tensor network structure

Date
Jan 22, 2024
Conference
Mini-workshop: Tensor Network algorithms and applications 2024 (Taipei, Taiwan)
Title
Optimizing tensor network structure

日本物理学会 2023年年次大会(東北大学、仙台)

日程: 2023年9月16日から9月19日

  • 講演(18pB203-6) "テンソルネットワークを用いた生成モデルの情報量に基づくネットワーク最適化"(共同研究者:大久保毅, 川島直輝)

TOPICS

テンソルネットワークと量子多体系

多体系の有望な計算手法であるテンソルネットワークについて解説しています。

解説記事PDFへ

数理科学 2022年2月号 No.704:テンソルネットワークの進展(多彩な表現形式が物理をつなぐ).

「物質の中に宇宙が見えてくる」(計算科学の世界)

量子臨界現象研究の面白さを説明しています。

理化学研究所 計算科学研究機構 広報誌「計算科学の世界」 インタビュー記事へ

ベイズ推定を用いたスケーリング解析ツール

臨界現象のスケーリング解析にベイズ推定の手法を導入した新しいアルゴリズムの実装。

デモページへ 解説ページへ
オンラインで学ぶモンテカルロ法

モンテカルロ法(マルコフ過程を用いた手法も含む)の基本的な事柄についての解説。

解説ページへ

ACTIVITY

産学連携プロジェクト「モビリティ基盤数理」
学術変革領域(A)極限宇宙の物理法則を創る-量子情報で拓く時空と物質の新しいパラダイム

ABOUT

Kenji Harada

原田健自 ( Kenji Harada )
京都大学大学院情報学研究科 助教
harada.kenji.8e@kyoto-u.ac.jp
京都市左京区吉田本町 京都大学吉田キャンパス 総合研究8号館203号室 Map (No.59)

統計物理学と情報論的視点を融合した最先端の計算手法とスーパーコンピュータのパワーを組み合わせ、相互作用する多体系と情報科学における未解決問題に先端的に取り組んでいます。

LINKS