Numbering Code	G-INF04 63428 LJ57 G-INF04 63428 LJ10 G-INF04 63428 LJ24	Year/Term	2022 ・ First semester
Number of Credits	2	Course Type	Lecture
Target Year	Master's students	Target Student
Language	Japanese	Day/Period	Wed.3
Instructor name	UMENO KEN (Graduate School of Informatics Professor)
Outline and Purpose of the Course	統計物理学の基礎とそのAIアルゴリズム、データ解析への応用を講義する。混合性の概念、ギブス分布の概念、カオス力学系の基礎、可解カオス、モンテカルロ法と統計物理学の基礎(エルゴード性)に関わる部分を徹底的に学び、後半でシンプレクティック積分法、ハミルトンモンテカルロ法、などの応用を学ぶ。 This course focuses on basic theory of statistical physics and its applications to AI algorithm and data science. In particular, basic concepts like mixing property, Gibbs distribution, chaotic dynamical systems, solvable chaos, Monte Carlo method are studied extensively. The applications of statistical physics to symplectic integrators, Hamiltonian Monte Carlo are then introduced in the later part.
Course Goals	新しい原理的かつ革新的なコンピューターを物理学の基礎原理から設計できる基礎 について学ぶ。エルゴード理論、統計力学の基礎を理解するとともに、ハミルトンモンテカルロ法、カオスモンテカルロ計算法などの 新しいコンピューターの原理を学ぶ。
Schedule and Contents	1-3. 統計力学の基礎。特に混合性との関連で重要なポイントを学習する。 4-6. 統計力学の基礎。特にエルゴード理論との関連で重要なポイントを学習する。 7-8. カオスモンテカルロ計算。特にSuperefficiencyという新しい概念を学ぶ。 9-11. シンプレクティック積分法。特にハミルトンモンテカルロ法の関連dで重要なポイントを学習する。 12-13. ハミルトンモンテカルロ計算法。 14-15. 一般化中心極限定理、超一般化中心極限定理、普遍超一般化中心極限定理を学ぶ。特にデータ解析、場の理論の普遍性との関連を学ぶ。
Evaluation Methods and Policy	試験と講義中に課すレポートにより、基礎的な部分の理解を確かめる。 Evaluated understanding fundamental parts of this course with the examination and home works.
Course Requirements	None
Study outside of Class (preparation and review)	カオス力学系の基礎、統計力学の基礎はあらかじめ予習しておくことがのぞましい。
Textbooks	Textbooks/References	統計物理学 上, ランダウ=リフシッツ, (岩波書店)
References, etc.	複雑系としての情報システム, 梅野健　他, (共立出版), ISBN:978-4-320-03448-8