• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

Study of Hadron Interactions from LQCD and Deep Learning

Research Project

Project/Area Number 21K03555
Research InstitutionKyushu University

Principal Investigator

池田 陽一  九州大学, 理学研究院, 准教授 (90548893)

Project Period (FY) 2021-04-01 – 2025-03-31
Keywords格子QCD / ハドロン間相互作用 / 機械学習 / 深層学習
Outline of Annual Research Achievements

近年、高エネルギー実験の発展により、ハドロン間の相互作用、およびそこから創発する量子状態の研究が活発に行われている。LHC ALICEグループでは、高エネルギー・ハドロン衝突実験により、ハドロン相関関数を測定し、チャームクォークを含むようなハドロン間相互作用の情報が今後引出されると予想される。ハドロン間相互作用の情報を引き出す上で、これまでの重イオン衝突実験で報告されたエキゾチックハドロンの候補について、どのような量子状態を持つのかを決めることが重要である。この量子状態決定に機械学習を導入し調べた。
精密な実験データが存在する単チャンネル核子-核子弾性散乱について、束縛状態と仮想状態を区別する深層学習プログラムを発展させ、ハドロン散乱チャンネル結合系で、共鳴状態、仮想状態を区別するプログラムを完成させた。量子状態は散乱振幅の複素エネルギー平面上での極の位置で決まるため、散乱理論に忠実に、散乱振幅の解析性を正しく満たす教師データを作成した。これらを元に、パイ中間子ー核子散乱実験データへの応用を試み、部分波解析を行った先行研究と高精度で一致することが確かめられた。
さらに、チャームクォークを含むような中間子-核子相互作用の計算に向けてのコード開発を行い、スーパーコンピュータ富岳を用いた計算がスタートした。ここでは、チャームクォークを含む系とストレンジクォークを含む系の比較から、ハドロン相互作用におけるカイラル対称性および重いクォークの対称性の役割を明らかにすることが目的である。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

研究計画通りに順調に進んでいる。

Strategy for Future Research Activity

これまでに実験で報告のあったエキゾチックハドロンの候補は、単チャンネルのハドロン散乱としてではなく、チャンネル結合ハドロン散乱におけるピークとして報告されている。また、反応メカニズムとしても2体散乱に限らず、これらのピークが全てエキゾチックハドロンに対応する共鳴状態であるかどうかも自明ではない。今年度行った、2体チャンネル結合ハドロン散乱についての深層学習の方法を3体崩壊へと拡張させるために、2体散乱振幅を有効レンジ展開の形で求め、その教師データを作成し、反応閾値近傍において実験で観測されたピークに隠された状態の分類を行う。
また、格子QCDにより計算も進める予定である。

Causes of Carryover

コロナ禍において、予定していた出張がキャンセルされたため差額が生じた。
この差額は、来年度のオンラインツールの充実のための費用に充てる。

  • Research Products

    (3 results)

All 2021 Other

All Int'l Joint Research (1 results) Journal Article (2 results) (of which Int'l Joint Research: 2 results,  Peer Reviewed: 2 results)

  • [Int'l Joint Research] フィリピン大学(フィリピン)

    • Country Name
      PHILIPPINES
    • Counterpart Institution
      フィリピン大学
  • [Journal Article] Classifying Near-Threshold Enhancement Using Deep Neural Network2021

    • Author(s)
      Sombillo Denny Lane B.、Ikeda Yoichi、Sato Toru、Hosaka Atsushi
    • Journal Title

      Few-Body Systems

      Volume: 62 Pages: 52

    • DOI

      10.1007/s00601-021-01642-z

    • Peer Reviewed / Int'l Joint Research
  • [Journal Article] Model independent analysis of coupled-channel scattering: A deep learning approach2021

    • Author(s)
      Sombillo Denny Lane B.、Ikeda Yoichi、Sato Toru、Hosaka Atsushi
    • Journal Title

      Physical Review D

      Volume: 104 Pages: 036001

    • DOI

      10.1103/PhysRevD.104.036001

    • Peer Reviewed / Int'l Joint Research

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi