【目次】 第１章　緒言：本書のあつかう内容 １.１　機械学習の概念 １.２　ディープラーニング １.３　物理学への誘い 第２章　概要編：「学習」とは何だろうか？ ２.１　教師あり学習 ２.２　強化学習 ２.３　教師なし学習 ２.４　転移学習 第３章　準備編：これだけは知っておきたい物理学 ３.１　速習：量子力学ミニマム ３. １. １　確率振幅とSchrödinger 方程式 ３. １. ２　ブラケット記法 ３. １. ３　変分原理 ３. １. ４　スピン ３.２　速習：グラフ理論ミニマム ３. ２. １　グラフ理論の用語 ３. ２. ２　グラフと行列 ３. ２. ３　接続行列の直感的理解 ３.３　速習：統計力学ミニマム ３. ３. １　Ising 模型 ３. ３. ２　対称性の自発的な破れと相転移 第４章　入門編：基本的な構成法 ４.１　ニューラルネットワークの基礎 ４. １. １　ニューロンと活性化関数 ４. １. ２　普遍性定理 ４.２　学習モデル ４. ２. １　Boltzmann マシン（Boltzmann Machine） ４. ２. ２　順伝播型ニューラルネットワーク（Feedforward NN） ４. ２. ３　回帰型ニューラルネットワーク（Recurrent NN） ４. ２. ４　再帰型ニューラルネットワーク（Recursive NN） ４. ２. ５　畳み込みニューラルネットワーク（Convolutional NN） ４. ２. ６　グラフニューラルネットワーク（Graph NN） ４.３　最適化 ４. ３. １　損失関数 ４. ３. ２　最適化アルゴリズム ４. ３. ３　バックプロパゲーション 第５章　実践編：簡単な具体例に適用してみよう ５.１　関数形を仮定しない非線型回帰 ５.２　波動関数の変分計算 ５.３　波動関数の時間発展：RNN の応用 ５.４　量子 Heisenberg 模型の基底状態 ５. ４. １　2 スピンの問題 ５. ４. ２　2 スピン系の基底状態のBoltzmann マシンによる表現 ５. ４. ３　4 スピン系の基底状態 ５. ４. ４　より大きな系の基底状態 第６章　応用編：現代物理学への挑戦 ６.１　Ising 模型への応用 ６. １. １　2 次元Ising 模型の相転移の判定 ６. １. ２　Ising 模型の制限Boltzmann マシンによる表現 ６.２　トポロジカル絶縁体超伝導体への応用 ６. ２. １　強束縛模型 ６. ２. ２　トポロジカル物質 ６. ２. ３　トポロジカル量子相転移の判定 第７章　関連する周辺の話題 ７.１　Gauss 過程による回帰分析 ７.２　位相的データ解析入門