Development of Atomic Data Infrastructure with Machine Learning

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K14680
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 14010:Fundamental plasma-related
• Research Institution: Kyoto University
• Principal Investigator: Fujii Keisuke 京都大学, 工学研究科, 助教 (10637705)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 原子構造 / 統計物理

Outline of Final Research Achievements

A) We have carried out the data validation for the energy levels of many-electron atoms. In particular, so-called isoelectronic sequence, where the electron configurations are the same but only the nuclear charge is different, are analyzed. Based on the fact that the energy levels in an isoelectronic sequence follow a smooth function, erroneous data points are automatically found. B) We have developed a method that automatically finds a new energy levels from thousands unidentified emission lines observed from a many-electron atom. C) We have constructed a theoretical model that predicts the spectral properties of many-electron atoms.

Free Research Field

原子データ

Academic Significance and Societal Importance of the Research Achievements

宇宙プラズマや核融合プラズマの診断のため、鉄イオンやシリコンイオンの原子データのセットを用いた分光診断が必要であった。これまでは、個別に報告される実験・理論データの収集、丁寧な品質評価、未知のデータの補完を行うことで、各分野において高品質な原子データセットが構築されてきた。しかし研究が進むにつれ常に新たな対象に関する原子データが必要になる。新たな対象に対しては十分に高品質なデータセットが構築されるまで、高精度な分光診断が実施できていない状況である。
本研究で開発した機械学習法を応用することにより、個別に報告される原子データの妥当性の評価、新たな原子データ導出が容易になった。