
要約
伝統的な機械学習アプリケーション、例えば光学文字認識は、コンピュータに明示的にルーチンタスクを実行させるプログラムを作成できないという状況から生まれました。この文脈では、学習アルゴリズムは通常、大量のデータセットに含まれる証拠のみからモデルを導出します。しかし、一部の科学分野では、豊富なデータを得ることは現実的でない豪華さであり、代わりに以前の科学的発見に基づくドメインの明示的なモデルがあります。ここでは、そのような既存の科学的発見を利用して科学的モデルの汎化性能を向上させる新しい機械学習アプローチを紹介します。我々は、この手法が超電導量子デバイス上のハミルトニアンの全エネルギースペクトルを予測するという現在の量子コンピュータ校正における重要なタスクにおいて有効であることを示しました。我々の精度は現行最先端技術を超え、20%以上も改善しています。本アプローチは、「巨人たちの肩に乗ること」によって人工知能がさらに強化できる方法を示しています。