| Project/Area Number |
22K03604
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 15010:Theoretical studies related to particle-, nuclear-, cosmic ray and astro-physics
|
|---|
| Research Institution | Juntendo University |
|---|
Principal Investigator |
植田 高寛 順天堂大学, 医学部, 准教授 (50469871)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | ファインマン積分 / 機械学習 / ファインマングラフ / ニューラルネットワーク / 摂動論的場の量子論 |
|---|
| Outline of Research at the Start |
量子場の理論をその基礎とする素粒子現象論では、将来行われる予定の精密実験との比較に向けて、摂動展開の高次項の評価を取り入れた複雑な理論計算が必要とされている。このため、摂動展開に現れるいわゆるファインマン積分に対する、より強力かつ効率的な計算手法が求められている。
本研究では、摂動論的量子場の理論に現れるファインマン積分に対する教師あり機械学習の応用を探求する。得られる知見は、素粒子現象論だけでなく量子場の理論を用いる諸分野へと波及する可能性がある。
|
| Outline of Annual Research Achievements |
素粒子物理学の標準模型は大きな成功を収めているものの、理論的に「究極の理論」と言うにはほど遠いのが現状である。また、実験・観測的にも標準模型の枠内で説明できない現象が存在するなど、未解決の問題がある。このような問題を解決するため、さまざまな拡張模型が提唱されており、そのうちのどれが自然を正しく記述しているのか、あるいはすべて間違っているのかは、将来の実験・観測データと理論計算による予言を突き合わせることにより明らかとなると期待される。
実験・観測より得られる大量のデータからの信号事象の分類や粒子の識別などに関しては、以前より決定木などの機械学習の技術が利用されている。近年では、深層学習を用いることも盛んである。このような流れは人工知能・機械学習技術の急速な発達とともに、今後もより一層加速・発展していくと考えられる。一方で、理論計算の面では、特に量子場の理論をもとにした摂動計算において、機械学習の利用は一部を除いてまだまだ限定的である。また、摂動計算の基本構成要素であるファインマン積分は、摂動の高次へ行けば行くほど評価が解析的にも数値的にも困難となるので、より強力で効率的な計算手法が求められている。このような状況により、急速に発展している深層学習を含めた機械学習技術を摂動計算にどのように応用できるか、そして計算の効率化の達成や新たな知見を得ることができるかを、本研究では探求していく予定である。本年度は教師あり機械学習に必要なデータセットの作成と、それらを用いた機械学習に着手した。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
当初予定していたデータセットの生成ができておらず、それらを用いた学習も順調にできていないため。
|
| Strategy for Future Research Activity |
データセットの拡充を行い、それらを用いて教師あり機械学習を試みる。また、様々なニューラルネットワークアーキテクチャを試して評価する。たとえば多層パーセプトロンの代わりにコルモゴロフ・アーノルド・ネットワークの使用なども検討する。
|
