近年我々が開発している自己学習モンテカルロ法は、モンテカルロ法を機械学習によって加速する方法であり、あらゆるマルコフ連鎖モンテカルロ法を加速する可能性を秘める応用範囲の広い手法である。本論文では、数値シミュレーションが極めて難しく計算コストの高い格子量子色力学のモンテカルロシミュレーションに対して、自己学習モンテカルロ法を適用できたことを報告したものである。このシミュレーションではゲージ場を扱うため、通常のモンテカルロシミュレーションよりも複雑である。特に、ゲージ場とフェルミオン場が含まれる際には計算コストが跳ね上がる特徴をもつ。このような数値的にチャレンジングである系に対して、自己学習モンテカルロ法による有効模型構築を実施することに成功した。その結果、自己学習モンテカルロ法の応用範囲が極めて広いことを示すとともに、格子量子色力学モンテカルロシミュレーションを高速化できることを示した。