2018 Fiscal Year Research-status Report
強相関電子系における自己学習連続時間量子モンテカルロ法の確立
| Project/Area Number |
18K03552
|
|---|
| Research Institution | Japan Atomic Energy Agency |
|---|
Principal Investigator |
永井 佑紀 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 研究職 (20587026)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | モンテカルロ法 / 機械学習 / 強相関電子系 |
|---|
| Outline of Annual Research Achievements |
本研究で扱っている自己学習モンテカルロ法は、マルコフ連鎖モンテカルロ法における次配位の提案を機械学習によって構築した有効模型によるモンテカルロ法で構築する手法である。そのため、有効模型の構築をどのように行うかが重要であった。様々な強相関電子系における有効模型の構築を行うことができれば、シミュレーションの高速化を行うことができる。今年度は連続時間量子モンテカルロ法を対象として自己学習モンテカルロ法の有効模型の構築法について詳細に検討した。その結果、有効模型の自動構築法を提案することができた。自動構築法を作るにあたって、第一原理分子動力学法における機械学習の利用法を参考にすることができた。
第一原理計算で得られたポテンシャルを用いて分子動力学法を行う第一原理分子動力学法の分野では、第一原理計算で得られたポテンシャルを模倣するようなニューラルネットワークを構築する方法である機械学習分子動力学法が提案されていた。そこで、モンテカルロ法と分子動力学法との類似点に着目した。分子動力学法における原子の配置をモンテカルロ法における配位、その原子配置における第一原理計算によって得られるエネルギーをモンテカルロ重みとみなし、機械学習分子動力学法で用いられているニューラルネットワークの構築法を自己学習モンテカルロ法に適用することを試みた。その結果、連続時間量子モンテカルロ法においてこの手法を適用した結果、これまで構築してきた有効模型よりもはるかに良い精度の有効模型を構築することができた。現在投稿中である。
また、有効模型を構築するための知見を得るために、強相関電子系に置いて機械学習関連技術であるスパースモデリング技術を使った研究も行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初の予定では、様々な模型に対して有効模型を構築する予定であったが、他の分野における進展を取り込むことで有効模型の自動構築法の目処がたった。そのため、当初の計画以上に進展していると言える。
|
| Strategy for Future Research Activity |
有効模型の自動構築法について目処がついたため、他の模型への適用を目指す。
|
| Causes of Carryover |
応募額に比べて交付額が少ないことにより、当初計画で考えていた計算機購入の予算が不足したため、他の研究者とより大きな計算機を共同購入することとした。共同購入に変更した結果、計算機購入に係る支出が抑えられることとなったため、次年度使用額が生じた。次年度使用額は令和元年度分の経費と合わせて、令和元年度以降の大きな国際会議での研究成果報告に係る費用として使用する予定である。
|
