2022 Fiscal Year Annual Research Report
First-principles calculations for strongly-correlated materials with an interdisciplinary approach based on machine learning and physics
| Project/Area Number |
20K14423
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
野村 悠祐 慶應義塾大学, 理工学部(矢上), 准教授 (20793756)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 強相関電子系 / 人工ニューラルネットワーク / 機械学習 / 量子多体系 |
|---|
| Outline of Annual Research Achievements |
本研究は、機械学習と量子多体論の分野融合型のアプローチに基づいて、強力かつ汎用的な強相関数値手法を開発し、それを第一原理計算と融合させることによって、強相関物質に対する高精度な定量計算を実現することが目的である。具体的には、1. 強相関数値手法開発、2. 開発した手法の精度検証、3. 現実の系への適用、が研究の主眼である。
最終年度は現実の系への適用の第一歩として、強磁性を発現する強相関金属の研究を行った。金属を特徴づける最も重要な概念としてフェルミ面がある。バンド分散がフェルミ準位を横切る波数点を繋いだものである。通常の金属強磁性体はキュリー温度以上ではスピン分極のないフェルミ面が現れると期待される。しかし、我々の計算によって、フント結合が強く強結合領域にいる強磁性体においては、キュリー温度以上でもあたかもスピン分極が存在するかのようなフェルミ面の形状を持ち得ることが明らかになった。この異常金属現象の背後には、波数空間内で有効的に働くフント結合の物理が存在していることがわかった。この発見は"Hund's metal"と呼ばれるフント結合由来の一連の強相関現象の新たな側面を明らかにしたもので、その意義は大きい。
期間全体として、1. 強相関数値手法開発、2. 開発した手法の精度検証として人工ニューラルネットワークに基づく有限温度計算手法の確立とその精度検証に成功した。また3. 現実の系への適用として強磁性を発現する強相関金属の研究を行った。これらの研究成果を通じて、分野融合型の強相関物質研究アプローチに大きな進展が見られた。
|
