2022 Fiscal Year Annual Research Report
Unification of Computational Physics and Machine Learning
| Project Area | Foundation of "Machine Learning Physics" --- Revolutionary Transformation of Fundamental Physics by A New Field Integrating Machine Learning and Physics |
|---|
| Project/Area Number |
22H05112
|
|---|
| Research Institution | International Professional University of Technology in Osaka |
|---|
Principal Investigator |
富谷 昭夫 大阪国際工科専門職大学, 工科学部, 助教 (50837185)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
柏 浩司 福岡工業大学, 情報工学部, 教授 (50612123)
大野 浩史 筑波大学, 計算科学研究センター, 助教 (20734396)
櫻井 鉄也 筑波大学, システム情報系, 教授 (60187086)
|
|---|
| Project Period (FY) |
2022-06-16 – 2027-03-31
|
| Keywords | 格子ゲージ理論 / 自己学習モンテカルロ法 / マルコフ連鎖モンテカルロ法 |
|---|
| Outline of Annual Research Achievements |
本年度は、計算物理学と機械学習の融合を目指し、マルコフ連鎖モンテカルロ法における臨界減速及び負符号問題の解決に向けて研究を進めた。まず、マルコフ連鎖モンテカルロ法については、自己学習モンテカルロ法をゲージ共変ニューラルネットと組み合わせることで、格子ゲージ理論におけるニューラルネットの利用を推進した。自己学習モンテカルロとは、統計力学および場の理論における厳密手法の一種であり、可変なパラメータを持つ有効作用を用いるマルコフ連鎖モンテカルロ法である。可変なパラメータをもつ有効作用を構成するのに、格子上のゲージ対称性をたもつニューラルネットを用いた。具体的には、格子上のゲージ対称性をたもつニューラルネット、ゲージ共変ニューラルネットワーク、を用いた自己学習モンテカルロ法が、従来の手法に比べて計算効率を飛躍的に向上させることを確認した。次に、負符号問題に対しては、経路最適化法を用いた研究を進めた。この手法により、負符号問題が顕著に発生する領域においても、シミュレーションの安定性と精度を維持しつつ、計算効率の向上が実現された。これらは計算物理学の発展に寄与するだけでなく、機械学習の応用範囲を広げた。これにより、他の科学技術分野への波及効果も期待され、学際的な研究の促進にも繋がると考えられる。若手育成のための研究会等も実施し、くわえて学際的な分野への入門的な集中講義も主催することで知識の普及と人材育成に貢献した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
まず、 マルコフ連鎖モンテカルロ法の研究であるが本研究の基礎理論の確立に成功し、これに基づいて必要なコードを作成した。このコードは、ゲージ対称性を保つニューラルネット、学習アルゴリズム、および格子QCD計算を統合したものであり、研究の根幹を成す重要なツールである。これにより、実際の計算においても理論通りの結果を得ることができている。経路最適化法についてもゲージ理論の計算をすすめた。さらに、本研究の進捗状況や成果を発表するために、Lattice国際会議において関連するプレゼンテーションを行った。これにより、他の研究者からのフィードバックを得ることができ、研究の進行に役立てることができた。また、研究の効率化と精度向上のために、GPUマシンを購入し導入した。これにより、大規模な計算を迅速かつ精度高く行うことが可能となり、次年度以降の研究の推進にも大いに役立つと期待される。若手研究者の育成にも注力しており、その一環として研究会やスクールを開催した。これにより、若手研究者が最新の研究手法や知識を習得し、将来的な研究の発展に貢献することができる。
|
| Strategy for Future Research Activity |
今後もこれまでの研究方針を継続し、さらなる成果を目指す予定である。具体的には、マルコフ連鎖モンテカルロ法と負符号問題に関する2つのプロジェクトの両方を引き続き推進する。まず、マルコフ連鎖モンテカルロ法については、これまでに構築したゲージ対称性を保つニューラルネットと学習アルゴリズムをさらに改良し、計算物理学の問題解決における有効性を検証していく。同時に、GPUマシンの活用を最大限に活かし、大規模計算の効率化を図る。負符号問題については、経路最適化法のさらなる改良と適用範囲の拡大を目指す。この手法の応用可能性を他の物理現象にも広げ、計算物理学全体における問題解決の一助とする。また、研究の加速を図るために新たに研究員を雇用し、研究チームの体制を強化する。これにより、研究の進行速度を高めることができると考えている。
|
| Remarks |
若手育成のためのスクールの情報を記載してある。また動画や講義ノートも視聴・取得可能である。
|
