Yuta Hirasaki

Koyo 100th → UTokyo Applied Physics BEng, MEng →UIUC Physics PhD (@UofIllinois) /Condensed matter theory/ Quantum information science

[Yuta Hirasaki @hira920]

ご報告ですが、私、2024年の8月より米国イリノイ大学アーバナシャンペーン校(@UofIllinois )の物理学PhD課程に進学します！
専攻は量子物性理論(と量子情報理論)となる予定です！
進学につき色々な方に大変お世話になりました、その期待やご恩に応えられるよう留学先での研究に精進します！

[Yuta Hirasaki @hira920]

@haruki_wtnb ありがとうございます！引き続き精進します💪

[Yuta Hirasaki @hira920]

アメリカに来てからの初の論文です！

lifted product codes に関して、graph lift に基づいたsub familyの構成方法を提案しました。

応用としてsurgery での空間的オーバーヘッドの低減とqLDPC符号上でのmixed state phase の定義についても議論しています

https://t.co/GcizvKORK8

[Yuta Hirasaki @hira920]

@RaySas26633 ケチャ��プ

[Yuta Hirasaki @hira920]

同意

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

今回のFableによるヤコビアン予想反証もそうですが、AI時代には科学研究の中でも、
①解が（特に計算機上で）検証可能（verifiable）
②解くために本質的に膨大な探索が必須である
③膨大な探索と試行錯誤が必要であるにもかかわらず、解けるか解けないかが未定
を満たす問題はAIと極めて相性が良く、特にこれらは現状コンピュータ科学、数学分野に多いことから、これらの分野ではものすごい勢いで研究が加速するのでは���いかと思います。

①はそもそも現在のAIの推論能力強化のために使われている学習手法（RLVR、Reinforcement learning with verifieble reward、検証可能な報酬に基づく強化学習）とも関連するのですが、プログラミングや数学など基準が明確な問題は、学習の過程で正しい学習シグナルが得やすいため、学習が容易。また、学習したAIの実行時にも、人間が評価に絡んで時間的なボトルネックにならないため、これも有利。歴史的には囲碁や将棋などのゲームが該当し、ゲームAIの強さは勝つ/負けるという明快な学習シグナルによって決定されるため、加速的に強くなった。コンピュータアルゴリズムは、そのままAIが導出したものが計算機上の実験で有効性が確認でき、数学もロジックの正しさが外部ツール（たとえばLeanなど）で計算機上で検証可能なことが多い。
これがたとえば「仕事がうまいAI」や「家事がうまいAI」などになると、それらのタスクの成否は人間の都合で勝手に決めた基準や価値観によって左右されるため、学習も実行もなかなかうまくいかない。

②と③はたぶん今回のヤコビアン予想とも結構関連するのですが、そもそも今回の予想の反証は解だけ見れば非常にシンプルでした。よって、事後的に「本気で取り組んでみれば意外と簡単だったのでは」と思うことは簡単ですが、極めて広い探索空間を前にして、そもそも本当に解が存在するか、解はどれだけ複雑化、どれだけ時間がかかるか、いつ報われるのか、そもそも最終的にかけた時間が報われるかわからない問題に、有限の時間を持つ人間が取り組むことは困難です。人間の研究者の場合は、その成否に人生がかかっているので、そのような問題に本気で取り組む決定を下すのは難しく、本当に徒労に終わる可能性も高い。その点、現在のAIであれば人間の時間を無駄にすることもなく、AIの時間が無駄になろうが特にこちらが責任を負う必要もない。さらに技術的に言っても、広い探索空間の中から、有望な範囲に絞って探索できる（この辺は囲碁AIの価値ネットやUCT、枝狩りアルゴリズム、現在のLLMの言語的直感）ので、おそらく人間よりも効率的で早い。

今後の研究は、そもそも今までこのような問題をいくつ考えていたか、いかに問題を検証可能な性質にできるのか、あたりが重要になってくるのではないかと思います。

[Yuta Hirasaki @hira920]

@koyama_sw ばいと？

[Yuta Hirasaki @hira920]

@desuwa_q 本当に分野によると思います。こっちは合ってるか合ってないかがかなりはっきりとわかる分野なので、AIの出力だからと言って新規性がないということにはならないと思います。ポストAIの研究のあり方については何も分かりませんし模索中です😇

[Yuta Hirasaki @hira920]

AI使った研究、バカ早くて正確に進まりまくる。けど自分で研究してる実感が無さすぎて、さながらビデオゲームでチートを使っている感覚

[Yuta Hirasaki @hira920]

まああとなんか、AIで簡単にできそうな研究とそうじゃなさそうな研究がある気がしてきた

[Yuta Hirasaki @hira920]

Vivant 見るためだけにVPN繋ごうかな...

[Yuta Hirasaki @hira920]

AIに聞いても解決��きなかった問題が解けて今日は気分がいい😆

[Yuta Hirasaki @hira920]

関西の方がまだ湿度はマシな気がする…

[Yuta Hirasaki @hira920]

いやーしかし、湿度が高すぎる。やっぱり夏は帰ってくるもんじゃないかも...

[Yuta Hirasaki @hira920]

もしかして今年の日本の夏は涼しい？一昨年はこの時期すでに茹だるように暑かった気が、、、(昨年はそれを受けて帰国してない)

[Yuta Hirasaki @hira920]

やっと(おそらく)全て解決！AIの力を借りながら頑張ったぜ

[Yuta Hirasaki @hira920]

挙動がおかしくてここ一、二週間デバッグしてたけど、再現できなかったある論文のコード、指導教員がCodex Proを二週間回し続けることで再現したらしい...😇

[Yuta Hirasaki @hira920]

アルゴリズムを改善して少し性能をアップさせた、人間も負けてないぜ！(なお実装はAI、あと問題はまだ完全には解決せず...😇)

[Yuta Hirasaki @hira920]

世界のどこかの理論物理学者がAIとした未発表の研究が、学習されて出てきた、ことはないか....

[松原隆彦（不明なエラー［4000］でアップデートできません） @tmcosmos_org]

衝撃が少し落ち着いてきたので昨日の研究会で聞いたことを書くと、元同僚研究者が理論物理学の研究の自動化に取り組んでいて、Claudeをメインにしたシステムをひと月ほどで構築、それを一昨日から1日自律的に動かし（おそらくFable 5か）、昨日出力されたのは、開発者自身（超優秀な世界的理論物理学者です）では思いつかない非自明な結果を含む高度な研究論文だったという。アイデア出しから文献検索、解析計算と数値検証、さらに全ての式変形が数学的に間違いないことの検証、出た結果の他のAIによる検証、原稿作成、査読、リバイズ、などを完全自動化。もはや人間がAIの出力を理解したりチェックする作業が律速段階であるといい、さらには最初に研究したら面白そうだと与えている発想の部分もAIが自律的に行えるようにできるだろうとのこと。夢でも見ていたのかと思ったが、出席していた他の理論物理学者や数学者も自分と同じ衝撃を受けていたので、現実だったようだ