Update index.md

index.md

@@ -26,6 +26,7 @@ DLAP世話人:　橋本幸士（京都大）、富谷昭夫（東京女子大）
 
 本セミナーシリーズは、科学研究費補助金学術変革領域研究(A)「[学習物理学の創成](https://mlphys.scphys.kyoto-u.ac.jp/)」の補助を受けております。
 
+* [第10回領域セミナ・第62回DLAP：　広野 雄士 氏 「経路積分を用いた拡散モデルの定式化」](#第10回学習物理領域セミナー第62回DLAP) 10/24
 * [第9回領域セミナ・第61回DLAP：　白崎 正人 氏 「宇宙大規模構造の深層学習生成モデル」](#第9回学習物理領域セミナー第61回DLAP) 10/3
 * [第8回領域セミナ・第60回DLAP：　磯村 拓哉 氏 「自己組織化系のベイズ力学」](#第8回学習物理領域セミナー第60回DLAP) 7/4
 * [第7回領域セミナ・第59回DLAP：　吉中 譲次郎 氏 「Neural network representation of quantum systems」](#第7回学習物理領域セミナー第59回DLAP) 6/13
@@ -41,6 +42,18 @@ DLAP世話人:　橋本幸士（京都大）、富谷昭夫（東京女子大）
 
 2022年以前の講演は[こちら](#過去の講演)
 
+# 第10回学習物理領域セミナー＋第62回DLAP
+日時：10月24日10:30~11:30(JST)<br>
+発表者：広野 雄士 氏 (大阪大学大学院理学研究科物理学専攻)<br>
+場所（ハイブリッド）：京都大学 理学部５号館 511号室<br>
+発表題目：経路積分を用いた拡散モデルの定式化<br>
+概要：拡散モデルは、画像生成において高い性能を示し、幅広く活用されています。本講演では、量子力学や場の量子論で用いられる経路積分の手法を応用し、拡散モデルを定式化する新しいアプローチを紹介します。この手法により、逆過程の方程式や損失関数を物理的な観点から導出するだけでなく、確率的・決定論的サンプリング手法を統一的に扱うことが可能です。特に、拡散モデルにおけるノイズの強さを調整するパラメータが、量子力学のプランク定数に相当することを明らかにし、この類似性を基に、量子力学で確立されたWKB近似を用いて確率的サンプリングにおける尤度評価を行う新しい手法を提案します。<br>
+参考文献<br>
+Yuji Hirono, Akinori Tanaka, Kenji Fukushima, "Understanding Diffusion
+Models by Feynman's Path Integral," Proceedings of the 41st
+International Conference on Machine Learning (ICML), PMLR
+235:18324-18351, 2024 [arXiv:2403.11262].<br>
+
 # 第9回学習物理領域セミナー＋第61回DLAP
 日時：10月3日10:30~11:30(JST)<br>
 発表者：白崎 正人 氏(国立天文台/統計数理研究所)<br>