ぶひんブログ

【イントロ】 　「末は博士か大臣か」。 優秀な子供は周りの大人から、そんな期待を背負って成長していきます。小さな頃の期待を背にぐんぐん頭角を表し、時代を代表する寵児となっていきます。 　しかし、「十で神童、十五で才子、二十歳過ぎれば只の人」。 歳を重ね、より大きな集団の中で比較されることで、かつての輝きは失われていく人も、一方では存在します。。。 　一体何が、その差を生み出すのか。やはり、顔か・・・ 　でも、博士と大臣って顔つきは違うんだろうか(´・ω・`)？ そこで本記事では、「顔面から博士か大臣か判別できるか？」、調べてみました。 【方法】 　方法はかっこよく、Deep Learningを使用することにしました。 @kakinaguru_zoさんのPythonとKerasを使った猫犬分類プログラム を参考に、分類を実施しました。実際は基本的にそのままです。（コメント含めて）。参考書として、こちらの Keras本 を使用していますが、丁寧に書かれていると思いました（こなみ 　とはいえ、学習用の博士と大臣画像は自分で集めないといけません。 そこで、 Wikipedia から科学系のノーベル賞(物理学、化学、医学・生理学)受賞者と各国の首相・大統領の顔画像を収集するプログラムをPythonで作成しました。 その結果、博士画像488枚、大臣画像625枚を収集することができました。 (ほかのサイトからも集めてみましたが、画像サイズは同じくらいのほうが収束が良かったので、すべてWiki画像で揃えました。） これらの画像を2：1：1くらいの割合に分割し、それぞれ「学習」・「評価」・「テスト」データとしました。この辺の割合はフィーリングです。 　次に、この画像を使って学習を実施しました。学習には Google Colab を使用しました。これは、GPU使用可能なクラウド上でIpython notebook形式のPythonを実行できるアプリケーションです。すごい時代になったもんだ。。。 　学習用データをアップロードして学習した結果が下図のとおりです。 図１，学習・評価データのAccuracy 図2、学習・評価データのLoss 図１からわかるように、学習データで85％、評価データで70％程度の正確さで分類できる結果と

8月の気になった物理系記事です。 今月はなんといっても、高圧下ランタン水素化物のマイナス１０℃超伝導！ Ag-Auナノ構造のマイナス40℃超伝導、ノイズが同じ疑惑 https://arxiv.org/abs/1808.02929 https://www.facebook.com/pratap.raychaudhuri/posts/10155731690888601 コメント：闇が深い事案になってるが真実は果たして・・・ LaHxの高圧下超伝導が転移温度215～280Kを実現 https://arxiv.org/abs/1808.07039 https://arxiv.org/abs/1808.07695 コメント：ドイツとアメリカのグループが独立に水素化ランタンの高圧下（ほぼ）室温超伝導を報告。超伝導自体は信憑性が高いが、果たして転移温度はどこまで上がるのか。 銅酸化物のスケール普遍な磁気抵抗 http://science.sciencemag.org/content/361/6401/479 コメント：温度に比例する電気抵抗のように、磁場に対しても高磁場までリニアに振る舞うことを発見した研究。量子臨界点の影響が温度だけでなく磁場に対しても生じているとのこと。BaP122でも同じような研究があったような( https://www.nature.com/articles/nphys3773 )。 スキルミオンストリングの電流誘起ダイナミクス http://advances.sciencemag.org/content/4/8/eaat1115 1651磁気空間群をトポロジカルに分類する http://advances.sciencemag.org/content/4/8/eaat8685 グラフェンナノリボンのトポロジカル量子相エンジニアリング https://www.nature.com/articles/s41586-018-0376-8 https://www.nature.com/articles/s41586-018-0375-9 素粒子物理学のエネルギー・強度フロンティア開拓に向けた機械学習(レビュー) https://www.nature.com/articles/s41586-018-0361-2 ワイ