駅から一番遠い地点を探る
ネタ 日本の陸地で、鉄道駅から一番遠い地点はどこか？ 普通に考えれば南鳥島[1]になってしまいますが、これを鉄道がある主要5島（本州・北海道・九州・四国・沖縄本島）の中において考えてみます。[2] 道のりで判定できると最高ですが、難しいので[3]直線距離とします。厳密な解ではなく、ある程度この辺、と分かれば満足です。 地図情報もPython数値計算も不得手なので、諸々うまい実装ではないと思います。 成果物 Streamlit 東京23区の例です。駅から遠いほど赤・白になっています。江東区若洲海浜公園 (東京ゲートブリッジ付近) が駅から一番遠い結果です。 距離変換画像 こちらはボロノイ図で、それぞれの駅の最寄り領域がわかります。若洲海浜公園の最寄りは緑の米印で示されていて、新木場駅です (約3.8km)。 ボロノイ図 実装 手法の流れ 全部の駅の座標（緯度・経度）を入手 日本の輪郭データを
ロスアラモス国立研究所で原爆開発のための「マンハッタン計画」に参加することになった、最恐の天才フォン・ノイマン。人類史上初の核実験は大成功を収め、日本への原爆投下は刻々と迫っていた――ノイマンの生涯と思想に迫った本日発売の最新刊『フォン・ノイマンの哲学』の一部を特別公開します！ 「爆縮型」原爆の設計 ロスアラモス国立研究所顧問として、ノイマンが中心になって推進したのが「爆縮型」原爆の設計である。これはノイマンが発見した重要な理論の一つだが、原爆の威力を最大限にするためには、落下後に爆発させるのではなく、上空でプルトニウムに点火させる必要があった。 そこでノイマンらが考えたのは、臨界点に達していないプルトニウムの周囲に32面体型に爆薬を配置して、一定の高度で爆薬に点火、その爆発の衝撃によってプルトニウムを臨界量に転化させる方式である。彼らは、この一連のプロセスを正確に制御するための複雑な数値
深層学習を利用するための言語として人気の高いPython。翔泳社ではPythonと深層学習を基礎から習得できる『現場で使える！Python深層学習入門』を6月20日に発売しました。Pythonから学びたい、Pythonで深層学習のモデルを構築してみたい、そんな方におすすめです。 『現場で使える！Python深層学習入門 Pythonの基本から深層学習の実践手法まで』は、Pythonの利用経験のない方がその文法から学べ、深層学習のモデル構築できるようになるまでをサポートする入門書です。 Pythonといえば深層学習（機械学習）というイメージも強くなってきましたが、実際にライブラリは充実し使いやすくなってきています。本書ではプログラミング学習サービスを提供するアイデミーの技術顧問、木村優志さんが筆を執り、Pythonと関連するライブラリの使い方を解説しています。 「Part1 Python入門
NumPy 2.0、6/16にリリース ―初のメジャーバージョンアップでABI、APIに大幅な変更 Pythonの代表的な学術計算ライブラリNumPyの初のメジャーバージョンアップとなる「NumPy 2.0」のリリース日が、2024年6月16日となることが発表された。 NumPy 2.0 release date: June 16 -News-NumPy NumPyはPythonで数値計算を行うためのライブラリ。NumPyプロジェクトにより、修正BSDライセンスの元で開発されているオープンソースソフトウェアである。低レベルから高度なものまでさまざまな計算に対応し、高いパフォーマンスを発揮することから、近年のAI、機械学習の発展において欠かせないモジュールとなっている。 NumPy 2.0は2006年以来の最初のメジャーリリースとなり、数多くの新機能と大幅なパフォーマンスアップが盛り
Unity で暴れる Joint を鎮めるテクニック
最近 Unity で暴れるジョイントを鎮めました。意外と一般的に役立つテクニックではないかと思ったので、原理とともに解説しておきます。 English version is here. チェーンやロープのようなものを Joint と Rigidbody で作ろうとして上図のようになった方、結構いるんじゃないでしょうか。自分もなりました。 こういう場合に使える、あまり知られていなそうな解決策があります。 実際に暴れさせてみる Unity を起動し、図のようなシーンを作成しました。 灰色のキューブは Kinematic、黄色の球と赤いキューブは Dynamic に設定してあります。また、各剛体の接点に Character Joint をセットしてチェーンを作ってあります。さらに、黄色の球の質量をそれぞれ 1.0、赤のキューブの質量を 10.0 に設定しました。 再生して赤いキューブを少し横に引
ネットワークフロー好き好きマンとして，フローを布教したくなったので記事を書きました． ただし，フローの解説資料は既に素晴らしいものがたくさんあるので，今回は今まであまり焦点が当てられてこなかった部分を推して話をしたいと思います． テーマは，数あるフローの問題の関係を整理することです． フローの問題たちには共通の歴史があり，共通の定式化があり，共通のアルゴリズムの思想があります． その「共通」の部分を理解することで，フローに対する理解が深まり，より面白いと感じられると僕は思っていて，そこについて書きます． かなり基本的な内容しか書いてないので，強い人が得るものはあまりないかもしれません． あとこの記事はおきもちを書いてる部分が多いです． また，この記事では問題の話だけをしてアルゴリズムの詳細の話をほとんどしません．この辺りは 保坂さんのスライド などが非常に分かりやすいので，そちらを参照して
世界最大規模の“模擬宇宙”を公開―宇宙の大規模構造と銀河形成の解明に向けて― | CfCA - Center for Computational Astrophysics
【概要】 千葉大学 石山智明 准教授を中心とする国際研究グループは、国立天文台のスーパーコンピュータ「アテルイII」の全 CPU コアを用いて、世界最大規模のダークマター構造形成シミュレーションに成功し、100 テラバイト以上のシミュレーションデータをインターネットクラウド上に公開しました。 現在、国立天文台のすばる望遠鏡などを用いた大規模天体サーベイ観測が進められていますが、観測から多くの情報を引き出し検証するには、銀河や活動銀河核の巨大な模擬カタログ注1が必要です。本データはそのための基礎データとして位置づけられ、宇宙の大規模構造と銀河形成の解明に向けた研究に役立てられます。 本研究の成果は、2021 年 9 月に英国王立天文学会発行の Monthly Notices of the Royal Astronomical Society 誌に掲載されました。（ 2021 年 9 月 10
Flipperを使ったiOSアプリの開発体験向上＆iOSエンジニア目線でのミラティブ社の魅力について - Mirrativ Tech Blog
はじめに 初めまして！Mと申します。 私は、2022年8月中旬より現在まで、iOSチームでインターンとして参加させて頂いています。 （実はこのミラティブのTechブログを読んだことがきっかけで、インターンに参加することになりました） これまでの期間、特に私は、開発体験の向上のためのデバッグ環境改善に関するタスクを行なってきました。 本記事では、MirrativのiOSアプリ開発における、Flipperというデバッグツールの活用事例および実装のポイントについて説明します。 また、私がインターンの中で感じたミラティブ社の魅力や、どんなことが学べたのかについてお伝えしようと思います。 目次 はじめに 目次 MirrativでのFlipper活用例 Flipperとは Flipperプラグイン ミラティブのデバッグ体験の改善点 iOSアプリ内のデータの流れ デバッグ面で大変だったこととその解決策①
古典的ルンゲ＝クッタ法のPythonプログラムをWikiPediaの記述と同じ変数名で書いてみた - あらきけいすけのメモ帳
教育用の覚書 Python だと汎用の Runge-Kutta 法のルーチンが６行で書けてしまう*1。以下のコードではルンゲクッタ法ルーチン rk4() を書き換えることなく、1階, 2階, 3階の常微分方程式(ordinary differential equation(s), ODE)を解いている*2*3。関数 rk4() で使っている変数名はRunge–Kutta methods - Wikipediaに揃えた。C言語*4で数値計算をコーディング/教育する気力が一気に失われてしまったｗｗｗｗｗｗ 次のコンプリートコードは次の微分方程式を積分して、あらかじめ求めておいた解の関数の値と比較している*5： class getExpt(): [1階] (比較する解：); class getSint(): [2階] (比較する解：); [1階連立ODE] class getExptSint()
Rustで数値計算
Rustで数値計算
この記事は STORES.jp Advent Calendar 2019 の 6 日目の記事です。 STORES.jp のバックエンド基盤チームでは、絶賛 Ruby のバージョンアップを進行中です。Ruby のバージョンアップはコード全体に影響を及ぼすため毎回一大イベントなのですが、本記事ではその中でも特に過酷だった事例を紹介します。それは「いつの間にか依存していた mathn を取り除かないと Ruby のバージョンを上げられない」というものでした。 mathn とは Ruby 2.4 まで標準添付されていたライブラリで、数値ライブラリの挙動をグローバルに変更するものです。以下のように mathn の require の有無によってグローバルに計算結果が変わります。 1/2 #=> 0 2 * Rational(1,2) #=> Rational(1,1) require 'mathn'
アルキメデスの円周率｜古典期ギリシアの数値計算の進化
アルキメデスの考えた円周率とは 数学史を通して最も有名な数学者と言えばアルキメデス※です。アルキメデスは、放物線の切片の面積、球の表面積や球の体積など多くの成果を残していますが、そのなかでも円周率 π はだれでもが理解でき、広く一般に知られています。円周率は本連載のテーマの一つでもありますから、アルキメデスがこれをどのように計算しているかを見てみましょう。 三角形 AOD と BOD の面積を考えます。OD は2等分線ですから、Dから2辺への距離は等しく、これを h と置きます。また、OからAB への距離を k とします。この2つの三角形は、a と b を底辺とみると、高さ h が共通であり、x と y を底辺とみると、高さ k が共通です。『4-2.ピタゴラスの定理』で、高さが等しい2つの三角形の面積は底辺の長さに比例することをみました。したがって次が成立します。 a : b ＝ 三角形
京大など、正負の電荷の粒子間で斥力が働く状況を作り出すことに成功
京都大学(京大)と理化学研究所(理研)は2月28日、「シュウィンガー模型」と呼ばれる1次元量子系において、電荷が反対の粒子間に通常とは逆の斥力が働く状況を、数値シミュレーションにより実現することに成功したと発表した。 同成果は、京大 基礎物理学研究所の本多正純助教、同・谷崎佑弥助教、理研の伊藤悦子協力研究員、米・ブルックヘブン国立研究所の菊池勇太研究員(現・Cambridge Quantum Computing Japan研究員)らの国際共同研究チームによるもの。詳細は、日本物理学会が刊行する理論物理と実験物理を扱う欧文オープンアクセスジャーナル「Progress of Theoretical and Experimental Physics」に掲載された。 自然界の4つの力の1つである電磁気力は、電気的なものと磁気的なものに分けられ、電気的な力は電荷を持った粒子の間で作用する。電荷は通常
演算の優先順位を明示する場合はかっこ(、)で括ってください。 C:\> 1 + (2 * 3) / 4 2.5 2. 暗黙の型 PowerShellで扱う数値は内部で型を持っており、型を明示しない場合は整数はint型 (System.Int32)またはlong型(System.Int64)(intの範囲を超える場合)、小数はdouble型 (System.Double)となります。 # 整数は int型(int32) C:\> 123 | gm TypeName: System.Int32 ・・・ 省略 ・・・ # intの範囲を超える整数は long型(int64) C:\> 2147483648 | gm # [int]::MaxValue+1 TypeName: System.Int64 ・・・ 省略 ・・・ # 小数は double型 C:\> 123.45 | gm TypeNa
【機械学習】機械学習を用いたin silico screening【AI創薬】~第4/5 章 予測モデルの作成~ - LabCode
AI創薬とは？ AI創薬は、人工知能（AI）技術を利用して新しい薬物を発見、開発するプロセスです。AIは大量のデータを高速に処理し、薬物の候補を予測したり、薬物相互作用を評価したりします。また、AIは薬物の効果や安全性をシミュレートすることも可能で、臨床試験の前の段階でリスクを評価することができます。これにより、薬物開発のコストと時間を大幅に削減することが期待されています。AI創薬は、薬物開発の新しいパラダイムとして注目を集め、製薬企業や研究機関で積極的に研究、導入が進められています。また、バイオインフォマティクス、ケモインフォマティクス、機械学習、ディープラーニングなどの技術が組み合わされ、薬物開発のプロセスを革新しています。さらに、AI創薬は個人化医療の推進にも寄与し、患者にとって最適な治療法を提供する可能性を秘めています。 今回はAI創薬の中でも、in silico screeeni
はじめに 実験でも数値計算でも、観測に誤差が伴うものをグラフにする時にはエラーバー(誤差棒)をつけると思います。エラーバーのつけ方には流儀がありますが、とりあえず1シグマ、つまり「誤差の乗り方がガウス分布だと仮定した時の標準偏差」をエラーバーとすることが多いです。 で、エラーバーは1シグマなので、「真の値をそのエラーバーの中に含む確率」が68%です。つまり観測点の3つに1つは「真の値」がエラーバーの範囲外にあることになります。なお、ここでは「真の値」を「観測を十分な回数繰り返した時に収束する値」のこととします。 さて、発表を見ていて、たまに「ん？」と思うようなグラフを見かけます。以下では、そんな「ん？」なグラフの実例と、その原因について見てみようと思います。 ケース1：正しい誤差棒 入力値$x$に対して、観測値$y$が$y=x$となる単純な系を考えましょう。ただし、観測するたびに誤差$\v
こんにちは。 GMOアドマーケティングの石丸です。 以前こちらのブログで「OpenCVをRubyで動かす方法」について紹介させていただきました。 こんにちは。GMOアドマーケティング、16新卒エンジニアのT.Iです。今年4月に入社し、配属後の7月からは主にRuby on Railsを使った開発を行っていますが、学生の頃は画像処理プログラミングを行っていたため、今回はこれまでの経験を活かしてRubyとOpenCVを活用した基本的な画像処理プログラミングを紹介致します。OpenCVとは？OpenCV（Open Source Computer Vision Library）は1998年にIntelが開発を始め、その後Willow GarageやItseezに開発が引き継がれている無償のオープンソース映像／画像処理ライブラリ集。BSDライセンスで配布さ... 今回は「◯◯をRubyで動かすシリーズ
こんにちは，米国データサイエンティストのかめ(@usdatascientist)です． この度33回に渡る「データサイエンスのためのPython入門講座」を書き終えたので，目次とまとめの記事を書いていこうと思います． (「データサイエンスのためのPython講座」動画版がでました！詳細はこちら) 本講座の目的 本講座では，Pythonでデータサイエンスをするにあたり必要な環境構築・Pythonの基本・データサイエンスに使うPythonライブラリの基本・その他データサイエンスで頻出のPythonモジュールの’基本の’使い方をマスターすることを目的としています． この講座で目指すところは Pythonでデータサイエンスに必要なデータ処理をするためのツール・ライブラリ・モジュールの使い方の基本をマスターする Excelなどの表計算ツールを使うことなくデータ処理ができる 画像ファイルなどのデータフ
宇宙航空研究開発機構(JAXA)は11月19日、金星探査機「あかつき」に関する記者説明会を開催し、最新の観測成果について紹介した。あかつきは金星の周回軌道に投入されてから、ほぼ4年が経過。観測データを順調に積み上げ、金星最大の謎であるスーパーローテーション現象の解明に向け、解析が進みつつある。 左から、JAXA宇宙科学研究所の佐藤毅彦教授、あかつきプロジェクトマネージャの中村正人教授、東京大学大学院の今村剛教授、ベルリン工科大学のリー・ヨンジュ研究員、産業技術総合研究所の神山徹主任研究員 あかつきの観測により、今回明らかになったのは2件。「アルベド(反射率)」の10年スケールの長期変動と、熱潮汐波の全球構造だ。シミュレーション結果と合わない観測結果も見つかっており、数値計算モデルの見直しが必要となるが、こうした作業を地道に繰り返し、ゴール(=スーパーローテーションの解明)への到達を目指して
こんにちは。 メディアサービス開発部、Webアプリケーション開発課のフサギコ(髙﨑)です。 Ruby on Railsによるバックエンドの実装運用と、AWSによるサービスインフラの設計構築を中心とした、いわゆるテックリードのような立ち位置で働いています。 本記事では、2022年の9月8日から9月10日にかけて三重県津市で開催された、RubyKaigi 2022に現地参加したことについてお話しします1。 RubyKaigiとは 実に3年ぶりの物理開催 見に行った講演の感想など Ruby meets WebAssembly Making ＊MaNy＊ threads on Ruby Building a Lightweight IR and Backend for YJIT Towards Ruby 4 JIT Ruby debugger - The best investment for y
「すぐに役立つものはすぐに役立たなくなる」けれど、「役に立たない学びは無い」というお話 - まねき猫の部屋
学ぶことに無駄はない ご訪問ありがとうございます。 計算尺ってご存じですか？ 上の写真を見ても若い人はピンと来ないかもしれません。 電卓が普及する1980年前半まで、エンジニアなどに必須の計算ツールでした。 今日は、そんな計算尺のお話から学ぶことのあれこれを書いてみます。 良かったらお付き合いください。 目次 １．計算尺とは？ ２．すぐに役立つものはすぐに役立たなくなる ３．役に立たない学びは無い ４．まとめ こんな記事も書いています。 www.my-manekineko.net １．計算尺とは？ たぶん50代以前の方は、計算尺をご存じないかもしれません。 計算尺は1980年代には、電卓に駆逐された計算ツールの１つです。 簡単にご紹介します。 計算尺とは対数の原理を利用して、かけ算や足し算などの数値計算が簡単にできるよう工夫された物差し状の計算ツールです。 まずは、現物をご覧ください。 出
OpenAI社によって開発された自然言語処理を使ったサービス「ChatGPT」。その背景にあたり、最近特に注目を集めている技術が大規模言語モデルです。今回は、不動産テックのイタンジ株式会社が主催したオンラインセミナー「【ChatGPTの基礎と応用】自然言語処理の最新動向からプロダクトでの活用を考える」の中で、株式会社GA technologiesの機械学習エンジニアである丸山拓己氏が、大規模言語モデルの活用方法について紹介しました。 GA technologiesでM&A仲介の業務支援ツールの開発を行う丸山拓己氏 丸山拓己氏：大規模言語モデルの応用についてお話しします。AISC（AI Strategy Center）の丸山です。よろしくお願いします。 本日の目次です。まず、Prompt Engineeringについてお話しします。その後、大規模言語モデルの使用上の注意、主にプロダクトを使う
長周期彗星が作るもう一つの黄道面｜国立天文台(NAOJ)
黄道面（黄色）と空黄道面（青色）を示した概念図。オールトの雲からやって来る長周期彗星の軌道の向きは、黄道面、空黄道面の二つの面に集中していることを示しています。また、二つの面は天の川銀河の円盤の面に対して互いに正反対の向きに約60度傾いています。（クレジット：国立天文台） 画像（7.3MB） 彗星（すいせい）のうち公転周期が長い長周期彗星は、あらゆる方向からまんべんなくやって来るのではなく、その軌道の向きは特定の二つの面に集中しているようです。この特徴が解析的手法を用いた研究で予測され、さらに数値計算と彗星カタログからも確認されました。今後の太陽系小天体の観測的研究を大きく飛躍させる可能性のある成果です。 ハレー彗星のように歴史上何度も回帰が観測された彗星がある一方で、次の回帰が数万年以上先と予測され再び観測できない彗星もあります。後者のような軌道長半径が大きく公転周期が長い彗星は長周期彗
この記事はTensorFlow Advent Calendar 2020、17日目の記事です。この記事ではLLVMコミュニティが中心となって開発しているMLIRという新しいコンパイラ基盤の基本的な使い方を解説します。 MLIRとはMLIRとはコンパイラ基盤となるオープンソースのソフトウェアでその名はMulti-Level Intermediate Representationの頭文字を取ったものです。もともとはGoogleのTensorFlowチームが開発したソフトウェアでLLVM Foundationに2019年に寄贈されました。 コンパイラ基盤としてはLLVMがよく知られていますが、MLIRはLLVMで得られた知見をより抽象的なレベルで実現し、機械学習アプリケーションに代表されるような複雑な数値計算を様々なハードウェア上に最適な形で実行できるようにします。 例えばコンパイラが真に必要な
富田賢吾のページ
この文章がTwitter等で業界内外に拡散されて様々な反響を頂き、ありがたいと思いつつも少々恐縮しています。この文章（に限らずこのWebサイト全体）は自由にシェア・リンクして頂いて構いませんが、これはあくまで私個人の考えであるということを強調しておきます。大学・大学院あるいは研究に対するスタンスは人それぞれで、画一的であるべきとは思いません。こういう考え方もあると参考にして、共感できる所を読者の責任において取捨選択して頂ければと思います。 2018年3月： 「指導教員の使い方」を加筆しました。 2023年7月： 「研究は楽しいか？」を加筆しました。 以下は我々のグループで研究したいと考えている人や、より一般に大学院進学を考えている人あるいは大学院に進学した学生を対象として、私が学生に期待する大学院生活の心構えを書いています。誤解のないようはじめに説明しておきますが、この文章はこれから大学院
今年の頭くらいに書いた今年の抱負に関する記事の中で「不動産投資に関する本を読む」とあるが、ちゃんと有言実行ということでとりあえずいろんな本を読んでみたので、その感想を記事にしておく。 izumisy-tech.hatenablog.com 胡散臭い投資代表「不動産」 我々パンピーからすれば、不動産といえば胡散臭い投資ナンバーワンであると言ってもよい。 周りに「不動産投資やってますか？」と聞いてもやっている人が自分の周りにはほとんどいない。一方で「知り合いに不動産投資をしている奴がいて、全然儲からないらしい」とか「前職の知り合いで不動産投資で大失敗こいた人がいる」みたいな情報は多い。つまり失敗している人の情報はいくらか流れてくる。 不動産とインターネットの相性は最悪 不動産に限らず単価の高い情報というのはインターネットがゴミの山になりやすい、かつ情報が雑多でまとまりがないものになりがちだと思
TensorFlow Advent Calendar 2020 10日目の記事です。空いてたので当日飛び入りで参加しました。 この記事では、TensorFlowの関連ライブラリである「JAX」について初歩的な使い方、ハマりどころ、GPU・TPUでの使い方や、画像処理への応用について解説します。 JAXとは https://github.com/google/jax Google製のライブラリで、AutogradとXLAからなる、機械学習のための数値計算ライブラリ。簡単に言うと「自動微分に特化した、GPUやTPUに対応した高速なNumPy」。NumPyとほとんど同じ感覚で書くことができます。自動微分については解説が多いので、この記事では単なる高速なNumPyの部分を中心に書いていきます。 関連記事 JAX Quickstart JAXで始めるディープラーニング JAX : Tutorials
こんにちは。たかまろです。 先日台湾に行ってきたら大惨事になってしまったので、その反省をしていきたいと思います。リアルタイムの燃え盛り様は #限界台北中秋節 - Twitter Search 800NTD - Twitter Search などを見ていただくとわかりやすいです。 はじめに ストレスで酒と煙草に溺れた就活から開放された瞬間の私 6月下旬、見事就活が終わり浮かれていたところにこの通りLINEが着弾。完全に浮かれてた私は速攻で行くぞとご返事。これまで国外に出たことがない私は初めての海外旅行に心を踊らせていました。 オタクはタスクを先延ばしにしがち 14時からバイトなのに旅行の準備何もしてない終わってる — 🐷たかまろ✈️@9/13-15台湾 (@x_tkmr) September 12, 2019 終わってる人間のツイート そういう性質の人間（やわらか言葉）なので、どうしてもタ
【機械学習】機械学習を用いたin silico screening【AI創薬】~第3/5 章 機械学習データの整形~ - LabCode
AI創薬とは？ AI創薬は、人工知能（AI）技術を利用して新しい薬物を発見、開発するプロセスです。AIは大量のデータを高速に処理し、薬物の候補を予測したり、薬物相互作用を評価したりします。また、AIは薬物の効果や安全性をシミュレートすることも可能で、臨床試験の前の段階でリスクを評価することができます。これにより、薬物開発のコストと時間を大幅に削減することが期待されています。AI創薬は、薬物開発の新しいパラダイムとして注目を集め、製薬企業や研究機関で積極的に研究、導入が進められています。また、バイオインフォマティクス、ケモインフォマティクス、機械学習、ディープラーニングなどの技術が組み合わされ、薬物開発のプロセスを革新しています。さらに、AI創薬は個人化医療の推進にも寄与し、患者にとって最適な治療法を提供する可能性を秘めています。 今回はAI創薬の中でも、in silico screeeni
2018年10月20日、第8回目となるイベント「JuliaTokyo」が開催されました。技術計算を得意とする新しい汎用プログラミング言語であるJulia。その知見と共有しJuliaの普及を促すため、実際にJuliaを用いているエンジニアたちが一堂に会し、自身の事例を語りました。プレゼンテーション「機械学習×名古屋×Julia 」に登場したのは、antimon2氏。講演資料はこちら 機械学習×名古屋×Julia antimon2氏：では始めます。仮で「機械学習と名古屋とJulia」っていう名前で送っていて、「と」が「×」に変わっただけですが、正式に「機械学習×名古屋×Julia」というタイトルで発表を進めていきます。 今日話す内容はだいたいこんな感じです。自分のこと、あと機械学習、実際にどういうふうなのかを順番に話していきます。 まずは私のことなんですけど、「私×Julia」というか「お前誰
論文紹介: The Ramanujan Machine: Automatically Generated Conjectures on Fundamental Constants - うどん記
2019/06/30 に arXiv にアップロードされた論文である The Ramanujan Machine: Automatically Generated Conjectures on Fundamental Constants を読んだのでその概要をメモしようと思います。 概要 円周率 $\pi$ や自然対数の底 $e$ といった数学の定数を含む式は規則的な項を持つ連分数で表現できることが知られています。例えば wikipedia からの引用ですが以下のような等式が成り立つようです。 論文ではこのような形の等式に関する予想をコンピューターに自動で発見させる手法を提案しています。結果として、これまでに知られていなかった予想を複数個得られたと著者は報告しています。以下は見つかったとされる予想の一例です。 著者らの発見したこれらの等式には数学的な証明はありません ("予想"であるため)
Suggestions and techniques for building neural networks with Go
Goで単語をベクトル化するためのニューラルネットワーク「Word2Vec」 をスクラッチで構築した経験から、Goでニューラルネットワークを組む際のエッセンスについてお話しします。「Go+ニューラルネットワーク」と言う組み合わせはあまりイメージが無いかもしれませんが、仕組みと行列計算のクセを理解すれば難しくはありません。Goによる行列計算の現状と今後についてのお話はもちろん、Goでニューラルネットワークを組む際のアーキテクチャの考え方や、数値計算のテスト方法やモデルの保存方法などを紹介します。このトークで「Goでもデータサイエンスできそう！」と思ってもらうことが今回のトークのゴールです。
貴金属に富んだ星々は100億歳 | 神戸大学ニュースサイト
私たちが暮らす太陽系を含む天の川銀河は、宇宙が誕生した138億年前の数億年後から形成されてきたとみられています。しかし誕生から形成の過程は謎に満ちており、今でも解明されていないことがたくさんあります。 東北大学大学院理学研究科の平居悠 研究員 (日本学術振興会特別研究員-CPD (国際競争力強化研究員) / ノートルダム大学物理天文学科) らは国立天文台、計算基礎科学連携拠点、神戸大学と共同で、国立天文台の天文学専用スーパーコンピュータ「アテルイⅡ」(注1) を用いて、天の川銀河ができる様子を世界最高解像度でシミュレーションすることに成功しました。その結果、金、プラチナなど鉄より重い貴金属の元素を多く含む星は、100億年以上前、天の川銀河の元となった小さい銀河で形成されたことを明らかにしました。また、本シミュレーションで形成された星の元素量、運動は天の川銀河の星の観測と一致しました。今後、
プログラミング演習 Python 2019 コラム編 京都大学 国際高等教育院 喜多 一 Version 2020/02/13 0 目次 次の章へ 目次へ 2 目次 0. コラム 0 始まり ............................................................................ 4 0.1 Python は 0 ではじまる............................................................ 4 0.2 1 始まりではいけないのか ........................................................ 4 0.3 結局は .........................................................
開発部 R&D ユニットの村田です。OSSの開発をしております。本記事では、Ruby で書かれたマンデルブロ集合を計算するメソッドを実行時に Julia に変換して実行するとめっちゃ速くなる (場合がある)、という話をします。 はじめに Ruby 3.1 では YJIT がマージされ、Rails アプリケーションが速くなりました。今後のバージョンアップがとても楽しみですね。ただし、Ruby のデータ処理対応を進めている身としては、データ処理や数値計算がより高速になって欲しいと思っています。 データ処理や数値計算を高速化する試みとして、Python では NUMBA というライブラリが開発されています。NUMBA は、メソッド単位でバイトコードを LLVM を用いてネイティブコードにコンパイルすることでメソッド実行を高速化します。ただメソッドをネイティブコードに変換するのではなく、実行時にメ
島根県でプログラミング言語「Ruby」に関するイベントを集中的に実施するキャンペーン「Ruby Week」が開催された。そのうちRubyWorld Conferenceを中心に、Rubyの今とこれからを解説する。 島根県で、プログラミング言語「Ruby」の自由さや楽しさ、コミュニティへの貢献という価値観を表現するキャンペーンとして「Ruby Week」が開催された。これまでも開催していた「Ruby biz Grand prix」「RubyWorld Conference」「Ruby Prize」の3イベントを1週間にまとめるとともに、数多くの取り組みを実施。エンジニアやビジネス関係者が数多く島根を訪れる期間となった。 Ruby Weekの中心である3イベントのうち、最も歴史が深いRubyWorld Conferenceは、今回で15回目の開催。国内最大級のビジネスカンファレンスとして、Ru
静岡県熱海市伊豆山（いずさん）地区の土石流で、県は14日までに、盛り土の総量を7万4000立方メートルと推定した。うち5万4000立方メートルが今回の雨で崩落、土石流（5万5500立方メートル）の97％を占めていたとみている。その結果、崩落せずに現場に残った量を2万立方メートルと試算した。【山田英之】 土石流の起点付近に残った盛り土が崩落した場合、捜索活動や復旧作業に影響を与えるため、県は土石流発生の仕組みを推定。数値計算による解析ではなく、現状で入手できた情報を整理し、仮説をデータで検証した。
TL;DR 巨大なモノレポはパッケージ間の依存関係に気を付けないと、変更が思わぬ所に波及して保守が大変だって？ DeepFlow 株式会社製ツール guardian を使って、Haskell モノレポのパッケージ間の依存関係が抽象化や意味論的な境界を侵犯していないかチェックしよう！ この度 OSS 化したので、巨大 Haskell モノレポの依存関係管理に困っている皆さんは是非試してみてください。 GitHub Action もあるよ。 はじめに - 巨大モノレポを保守する悲しみ 大量のパッケージから成るモノレポ[1]を管理するのが大変だというのは、あらゆる言語で共通の悩みであろうと思われる[2]。 こうしたモノレポというのは、「CIで全部ビルドできるようにしておく」というだけでは不十分で、ある箇所への変更が必要以上の部分のリビルドを惹き起こさないようにしないと、開発サイクルが全然回らずに
Juliaで精度保証付き数値計算
Juliaを使って、精度保証付き数値計算の方法を紹介します。精度保証付き数値計算は「敷居が高い」と言われ続けていますが、その敷居をみんなが跨げるようにするのが本稿の目的です。Juliaは近年飛ぶ鳥を落とす勢いの計算機言語で、区間演算が実装されているIntervalArithmetic.jlというパッケージがあります。これを利用して、精度保証付き数値計算を実装した例を紹介します。精度保証付き数値計算ってこうやるんだと身近に感じてもらい、今後使ってもらったら嬉しいです。 注意 区間演算の実装であるIntervalArithmetic.jlの実装にまだ不安があり、精度保証付き数値計算で論文を書くときは、MATLABのINTLABやC++のkvライブラリを利用することを推奨します。今はまだ、こうやって実装するのかと気軽に精度保証付き数値計算を体感してもらうためのコンテンツです。今後、区間演算の実装
原子核をつなぐパイ中間子が軽い仕組みを理論的に証明
この世に何種類もの元素が存在するのは、質量の小さなパイ中間子が、陽子や中性子を結びつける強い力を媒介するからだ。パイ中間子がその役目を果たせるほど軽い要因が理論的に証明された。 【2021年6月28日 カブリIPMU】 水素を除くあらゆる元素の原子核は、複数の陽子と中性子が「パイ中間子」の媒介する強い力で結びついている。同じ正の電荷を持つ陽子同士の間には電磁気力による反発力が生じるが、陽子の間を飛ぶパイ中間子が伝達する強い力はその電磁気力をはるかに上回る。これはパイ中間子の質量が極めて軽いからこそ成り立つことだ。仮にパイ中間子が重すぎたなら、陽子や中性子の間で強い力が届かなくなり、陽子1つで原子核を成す水素以外の元素は存在できなかっただろう。 パイ中間子の質量が軽い場合と重い場合のイラスト。（左）パイ中間子が重い場合、陽子の間でパイ中間子が強い力を媒介することができず、陽子同士は離れていく
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
京都への原爆投下を主張したノイマンの「悪魔性」と「虚無感」（高橋 昌一郎）
人気のPythonで深層学習を始めたい！ 『現場で使える！Python深層学習入門』発売
NumPy 2.0、6/16にリリース ―初のメジャーバージョンアップでABI、APIに大幅な変更 | gihyo.jp
ネットワークフロー問題たちの関係を俯瞰する - 私と理論
できる！ mathn 脱却 - upinetree's memo
PowerShellを電卓として使う際のTips集 | DevelopersIO
見たら「ん？」となるエラーバーのグラフ - Qiita
Pythonの数値計算ライブラリ「NumPy」をRubyで動かす
データサイエンスのためのPython入門講座全33回〜目次とまとめ〜
金星探査機「あかつき」の観測により、熱潮汐波の全球構造が初めて明らかに
RubyKaigi 2022に参加しました - BOOK☆WALKER inside
ChatGPTを使った時の「うまくいかない」をどう解決するか 機械学習エンジニアが明かす、プロンプトエンジニアリング手法
MLIRでHello, Tensor｜Kai Sasaki
不動産投資を知るために何冊か本を読んだ - Runner in the High
JAX入門～高速なNumPyとして使いこなすためのチュートリアル～ - Qiita
初海外旅行反省レポート ～800NTDで燃えた男の物語～ - たかまろにっき
機械学習×名古屋×Julia Juliaとの出会いとこれまでにやってきたこと Part1
京都大学プログラミング演習Python2019コラム編.pdf
Ruby を Julia に変換して実行すると速くなる (場合がある) - Speee DEVELOPER BLOG
島根県で「Ruby尽くめ」の1週間 ー開発者・まつもとゆきひろ氏が語った30年とこれから
熱海土石流 雨で崩落の97％が盛り土と推定 総量7万立方メートル | 毎日新聞
Guardian で巨大 Haskell レポジトリの依存関係を正気に保つ