2022 Fiscal Year Annual Research Report
Theoretical study on spin current control of cold atoms
| Project/Area Number |
18K03493
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
森 弘之 東京都立大学, 理学研究科, 教授 (60220018)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 深層学習 / 冷却原子 / 量子力学的粒子 / 機械学習 / 相転移 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
当初の計画になかった深層学習を活用した研究を進めた。これは、量子モンテカルロシミュレーションなどの従来手法の限界を感じたことから始めた研究である。当初はスピン系を例にとって手法の開発に注力し、徐々に量子力学的粒子系に応用するという順序で研究を進めてきた。とくに最終年度は、冷却原子系のスピン流制御を行う上で、ボーズ・フェルミ混合系の相の特定が重要であることから、多種粒子系の相構造を深層学習の助けを借りて解析する手法の開発に注力した。ただし、現在のところ、従来手法の量子モンテカルロシミュレーションを使わないことは難しい。そのため、モンテカルロシミュレーションで得られる世界線の生データを画像としてとらえ、そこに深層学習を適用することで、世界線データから層の特定を行う手順を考案した。
世界線データには（原理的には）相に関する情報がすべて含まれている。従来手法では、あらかじめ計算したい物理量を決め、世界線データを用いてその物理量を計算し、相や相境界を定めていた。そのため未知の相については、計算すべき物理量を適切に選ぶことが重要であり、一般にはこれは容易なことではない。
深層学習では、この過程を省き、世界線データから直接、相に関する情報を引き出すことが可能である。最終年度では1種の量子力学的粒子の相転移を特定する手法を確立したが、2種の粒子（ボーズ・フェルミ混合系など）への拡張は道半ばである。今後の研究ではこの拡張を中心に新たな手法の開発に取り組みたい。
|
