• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

機械学習を用いた場の量子論のモンテカルロ法の改良

研究課題

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。

報告書

(6件)
  • 2022 実績報告書   研究成果報告書 ( PDF )
  • 2021 実施状況報告書
  • 2020 実施状況報告書
  • 2019 実施状況報告書
  • 2018 実施状況報告書
  • 研究成果

    (11件)

すべて 2023 2021 2020 2019 2018

すべて 雑誌論文 (4件) (うち査読あり 3件、 オープンアクセス 4件) 学会発表 (6件) (うち国際学会 5件、 招待講演 4件) 学会・シンポジウム開催 (1件)

  • [雑誌論文] Self-learning Monte Carlo for non-Abelian gauge theory with dynamical fermions2023

    • 著者名/発表者名
      Nagai Yuki、Tanaka Akinori、Tomiya Akio
    • 雑誌名

      Physical Review D

      巻: 107 号: 5 ページ: 1-16

    • DOI

      10.1103/physrevd.107.054501

    • 関連する報告書
      2022 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Self-learning Monte-Carlo for non-abelian gauge theory with dynamical fermions2020

    • 著者名/発表者名
      Nagai, Yuki, Akinori Tanaka, and Akio Tomiya
    • 雑誌名

      arXiv

      巻: preprint ページ: 1-24

    • 関連する報告書
      2020 実施状況報告書
    • オープンアクセス
  • [雑誌論文] Self-learning Monte Carlo method with Behler-Parrinello neural networks2020

    • 著者名/発表者名
      Nagai Yuki、Okumura Masahiko、Tanaka Akinori
    • 雑誌名

      Physical Review B

      巻: 101 号: 11 ページ: 115111-115111

    • DOI

      10.1103/physrevb.101.115111

    • NAID

      130008147942

    • 関連する報告書
      2019 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Discriminator optimal transport2019

    • 著者名/発表者名
      Akinori Tanaka
    • 雑誌名

      Advances in Neural Information Processing Systems

      巻: 32

    • 関連する報告書
      2019 実施状況報告書
    • 査読あり / オープンアクセス
  • [学会発表] Self-learning Monte-Carlo for non-abelian gauge theory with dynamical fermions2021

    • 著者名/発表者名
      Akio Tomiya (RIKEN) Yuki Nagai (JAEA) Akinori Tanaka (RIKEN)
    • 学会等名
      APS April Meeting 2021
    • 関連する報告書
      2021 実施状況報告書
    • 国際学会
  • [学会発表] Discriminator optimal transport2019

    • 著者名/発表者名
      Akinori Tanaka
    • 学会等名
      Advances in Neural Information Processing Systems, 2019
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会
  • [学会発表] 機械学習によるマルコフ連鎖モンテカルロ法の高速化へ向けて2019

    • 著者名/発表者名
      田中章詞
    • 学会等名
      日本物理学会第74回年次大会 シンポジウム 機械学習と物理
    • 関連する報告書
      2018 実施状況報告書
    • 招待講演
  • [学会発表] Machine learning techniques to probe theoretical physics2018

    • 著者名/発表者名
      Akinori Tanaka
    • 学会等名
      Strings and Fields 2018
    • 関連する報告書
      2018 実施状況報告書
    • 国際学会 / 招待講演
  • [学会発表] Machine Learning and its application to lattice Monte Carlo simulations2018

    • 著者名/発表者名
      Akinori Tanaka
    • 学会等名
      5th Joint Meeting of the APS and the Physical Society of Japan
    • 関連する報告書
      2018 実施状況報告書
    • 国際学会 / 招待講演
  • [学会発表] Toward reducing autocorrelation in HMC2018

    • 著者名/発表者名
      Akinori Tanaka
    • 学会等名
      The Machine Learning in Geometry and Physics Workshop
    • 関連する報告書
      2018 実施状況報告書
    • 国際学会 / 招待講演
  • [学会・シンポジウム開催] Deep Learning And Physics 20192019

    • 関連する報告書
      2019 実施状況報告書

URL: 

公開日: 2018-04-23   更新日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi