Self-learning Monte Carlo method; Speedup of the Markov chain Monte Carlo with machine learning

自己学習モンテカルロ法; マルコフ連鎖モンテカルロ法の機械学習による高速化

永井 佑紀   ; 奥村 雅彦   ; 田中 章詞*

Nagai, Yuki; Okumura, Masahiko; Tanaka, Akinori*

機械学習的手法を用いた高速なモンテカルロ法である「自己学習モンテカルロ法」は、モンテカルロ法における次の配置を、機械学習によって生成された有効模型を用いて提案し、受け入れ確率の高い配置によって自己相関時間を劇的に短縮する手法である。有効模型は、オリジナルの配置と対応する重みのデータセットから学習によって決定される。この時、なるべく良い有効模型を得ることが重要であるが、どのような有効模型を作れば良いかは自明ではなかった。そこで、分子動力学法で使われているBehler-Parrinello型と呼ばれるニューラルネットをSLMC法に用いることで、有効模型を自動構築する方法を見出した。Behler-Parrinello型ニューラルネットワークは、モンテカルロ配位をそれぞれの「原子」に分割し、同じ「原子」種では同じニューラルネットを使うことに特徴がある。本招待講演では、このニューラルネットワークの概略と連続時間量子モンテカルロ法に対してこの手法を適用した結果を示す。

no abstracts in English