物理学において、機械学習は、おもに膨大な実験データから物理量を推定したり、データの特徴を抽出したいときに威力を発揮します。
物理学の対象とするデータは誤差や信頼性がコントロールされた質の高いものであり、ときには相図や量子状態を同定するために理論計算の結果をデータとして用いることさえあります。
このような目的のためには、優れた予測性能だけではなく、信頼性の評価まで含めた学習アルゴリズムを適切にデザインすることが重要です。また、物理学の質の高いデータを扱うことは、理想化された環境下で、学習プロセスがどのように進むのかを理論的に研究するためにも役に立ちます。
ニューラルネットワークを用いた機械学習では、我々の脳のニューロンの働きとの興味深い類似がしばしば見られます。
機械学習を理論研究することは、ひいては我々の脳の仕組みを数理的に表現し、その複雑な機能、すなわち知性の発現を数理物理学的に明らかにすることにもつながると期待されます。

多体相互作用する系と等価なニューラルネットワーク