講演資料


講義資料スライドの表紙

講義資料スライドの表紙です。スライド画像、または下の要約文中の青いページ番号リンクをクリックすると、別のタブで無駄なノイズのない、純粋なPDFビューア画面が起動し、指定されたページへ直接ジャンプして快適に閲覧できます。

全体概要

本セミナーは「エントロピーとは何か」という問いを軸に、熱力学・統計力学・量子力学・情報理論という19世紀から20世紀にかけての科学の枠組みの歴史的変遷を辿りながら、エントロピー概念の本質と実践的意義を技術者向けに解説するものです [p.2], [p.3]

エントロピーという概念は、蒸気機関の熱効率最大化という極めて実践的な技術課題から生まれました。クラウジウスが1865年に命名したこの概念は、その後ボルツマンによってミクロな状態の数の対数として統計力学的に再解釈され、さらにフォン・ノイマンにより量子力学へと拡張されました [p.18], [p.22], [p.26]。そしてシャノンが1948年に情報理論の文脈で独立に同形の量を導出し、フォン・ノイマンの示唆を受けて「エントロピー」と命名することで、物理と情報という二つの世界が一本の数式で結ばれることになりました [p.32], [p.111]

このセミナーが強調する重要な洞察は、エントロピーが抽象的な科学概念にとどまらず、各時代の最先端技術と密接に結びついてきたという事実です [p.3]。蒸気機関の時代には熱効率の最大化、電信・電話・ラジオ・テレビの時代には通信効率の最適化、そして現代のAI技術においてはクロス・エントロピーの最小化として、エントロピーを制御することが技術的チャレンジの中心に置かれてきました [p.3]

数理的な核心は、ボルツマンの `S = k log W` [p.22] からシャノンの `H(X) = -Σ p_i log p_i` [p.32] への接続です。ミクロな状態数Wの対数という純粋な組合せ論的量が、確率分布の不確かさを測る情報量と数学的に同一形であることを、本セミナーは丁寧な計算を通じて示します [p.63], [p.67]。さらにクロス・エントロピーとKLダイバージェンス(相対エントロピー)へと議論を展開し、現代機械学習の損失関数の根拠をエントロピーの言葉で理解する視座を与えます [p.183], [p.188]

21世紀の科学はエネルギーとエントロピー、すなわち物質と情報の科学として発展するという著者の信念のもと、本資料は技術者が「実践的な概念としてエントロピーを理解する」ための体系的な道標となっています [p.5]


講義のロードマップ

■ Part I: エントロピーの理論を振り返る

  • この部の核心:

熱力学的エントロピーの誕生から統計力学・量子論・情報理論・さらにブラックホール熱力学や量子重力理論へとエントロピー概念が拡張されてきた歴史的系譜を俯瞰します。それぞれの時代に固有の技術課題と結びつきながら概念が深化・一般化してきたことを確認し、後続のPartで詳細に扱う理論的基盤を位置づけます [p.7], [p.12]

  • 論理展開:
  • カルノー・クラウジウスによる熱力学的エントロピー `S = Q/T` の定式化と、蒸気機関効率化という実践的動機 [p.15], [p.18]
  • ボルツマン(1877年)・ギブス(1902年)による統計力学的エントロピー `S = k log W`、`S = -k_B Σ p_i ln p_i` への発展 [p.22], [p.24]
  • フォン・ノイマン(1932年)による量子論的エントロピー `S = -Tr(ρ log ρ)` の定式化 [p.26], [p.29]
  • シャノン(1948年)の情報理論的エントロピー、さらにベッケンシュタイン・ホーキングのブラックホールエントロピー `S_BH = A/4` [p.34]、笠-高柳のエンタングルメントエントロピー [p.36] へと至る概念の拡大。


■ Part II: 統計力学とボルツマン・エントロピー

  • この部の核心:

ボルツマンの `S = k log W` が何を意味するかを、具体的な「可能な状態の数え上げ」を通じて計算し、その `log W` 部分がシャノンのエントロピーと数学的に同一形であることをスターリング近似を用いて厳密に導出します。熱力学的単位(エネルギー/温度)はすべてボルツマン定数 `k` の中に閉じ込められており、`k=1` とすれば純粋な情報量の式が現れることを示します [p.44], [p.45], [p.46]

  • 論理展開:
  • 4箱・2色系の例でミクロ状態数 `W = N! / (n_1! n_2! ... n_k!)` を場合分けにより具体的に計算 [p.49], [p.51]
  • 赤・青のペンキ混合の思考実験により、エントロピー増大の「確率的必然性」を直感的に示す [p.52], [p.54]
  • スターリング近似 `log n! ≈ n log n - n` を用いて `(1/N) log W = -Σ p_i log p_i` を導出 [p.61], [p.66]
  • ボルツマンの悲劇:原子論への執拗な批判、マッハとの論争、1906年の自死という科学史の文脈 [p.72], [p.81]


■ Part III: 情報理論とシャノン・エントロピー

  • この部の核心:

シャノンは通信システムの設計問題から出発し、「メッセージの意味ではなく選択の不確かさ」を測る量として独立にエントロピーを導出しました。連続性・単調性・分解可能性という3条件を満たす関数が `H = -K Σ p_i log p_i` に一意に定まるというシャノンの定理を解説し、フォン・ノイマンによる「エントロピー」命名の逸話を紹介します [p.91], [p.106], [p.108], [p.111]

  • 論理展開:
  • 通信の基本問題:送信器・受信器・ノイズ源からなる一般的通信システムの図式 [p.92]
  • メッセージの「意味」は工学的問題と無関係であり、重要なのは「可能なメッセージの集合から1つが選択される」という構造であること [p.94], [p.96]
  • 情報の尺度として対数が自然である理由(リレー追加で状態数が倍増、時間が2倍で状態数は2乗)[p.99], [p.100]、単位としての bit の定義 [p.102], [p.129], [p.133]
  • `H(X) ≥ 0` の証明と、`H(X) = 0` となる条件(確実な事象)、`H(X)` 最大条件(一様分布)の数理的確認 [p.117], [p.128]


■ Part IV: シャノン・エントロピーの通信技術への応用

  • この部の核心:

「N文字の典型的なメッセージ数の対数」という具体的な問いからシャノンエントロピーを再導出し、エントロピーを「最適符号の平均符号長」として図形的・直感的に把握する視座を提供します。さらにクロス・エントロピーと相対エントロピー(KLダイバージェンス)を導入し、異なる確率分布間のズレを測る道具としての意味を示します [p.143], [p.155], [p.178], [p.188]

  • 論理展開:
  • 英語アルファベット27文字の出現確率分布を具体例として「典型的メッセージ」の概念を定義 [p.140], [p.141]
  • `M = log_2 W = NH(X)` の導出によりボルツマンとシャノンの対応関係を明確化(`W`の対応:ミクロ状態数 ↔ 典型的メッセージ数)[p.145], [p.156], [p.159]
  • ハフマン符号による可変長符号化:pA=1/2, pB=1/4, pC=pD=1/8 の場合に必要ビット数が 2N→1.75N に削減される具体例 [p.174], [p.175], [p.177]
  • クロス・エントロピー `H_p(q) = Σ q(x) log_2(1/p(x))` の定義と、「犬好きBob」と「猫好きAlice」の語彙頻度の違いを用いたグラフィカルな説明(`H_q(p)=2.375`, `H_p(q)=2.25`)[p.183], [p.187]
  • 相対エントロピー(KLダイバージェンス)`D_q(p) = H_q(p) - H(p)` が2つの分布の「ズレ」を定量化することを図示 [p.188]

▶️ 講演動画

講義 - 1
講義 - 2
講義 - 3
講義 - 4

💡 エピソード動画

エピソード - 1
エピソード - 2
エピソード - 3
エピソード - 4
エピソード - 5
エピソード - 6
エピソード - 7
エピソード - 8