| 研究課題/領域番号 |
18K13548
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分15010:素粒子、原子核、宇宙線および宇宙物理に関連する理論
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
田中 章詞 国立研究開発法人理化学研究所, 革新知能統合研究センター, 上級研究員 (20791924)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 機械学習 / 場の量子論 / マルコフ連鎖モンテカルロ法 / ハイブリッドモンテカルロ法 / Machine learning / Monte Carlo |
|---|
| 研究成果の概要 |
本研究では、場の量子論における数値シミュレーション(MCMC)を機械学習で高速化する手法の開発を目的としていた。そのために、MCMCの実行中に機械学習モデルを訓練し続けることができ、かつ目的の理論への修正ステップも含めた汎用的手法である自己学習モンテカルロ法(SLMC)をいくつかの理論に応用した。最終的にはフェルミオンの入った非可換ゲージ群(SU(2))を持つ格子ゲージ理論への応用し、その正確性をチェックし、実際に自己相関が改善することまで示した。
|
| 研究成果の学術的意義や社会的意義 |
機械学習の手法を物理学に、より広くは科学分野に応用しようという動きが広がっているが、その場合におそらく最も重要な問題は、機械学習モデルの「間違い」を、精密さが要求される科学分野でどのように取り扱うかだと思われる。その点で、SLMCを用いたシミュレーションは（応用先の理論がわかっている場合には）、Metropolis-Hastingsテストを挟むことで正確さを担保するという意味で一つの解法を与えている。
|
