| 研究課題/領域番号 |
19K03657
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分13010:数理物理および物性基礎関連
|
|---|
| 研究機関 | 芝浦工業大学 |
|---|
研究代表者 |
富田 裕介 芝浦工業大学, 工学部, 教授 (50361663)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
|
|---|
| キーワード | 統計物理学 / 視覚情報 / 特徴抽出 / 機械学習 / 画像解析 / 臨界現象 |
|---|
| 研究開始時の研究の概要 |
目でものを見て、見たものの状態を判断することは日々の生活において普通に行われていることである。物理学においても、研究対象としているものの状態を目で見て判断できることが多々ある一方で、「見た目」でその物理を論じることは稀である。なぜなら視覚情報から定量的考察を行う手段が確立されていないからである。
本研究は、物理学で広く用いられているスピン模型の解析を通じて、視覚情報の定式化・定量化を行い、物理学および視覚に関わる科学全般に一つの指針を与えるものである。
|
| 研究成果の概要 |
スピン模型を用いて, スピン配置とスピン相関の機械学習への影響の違いについて研究を行なった. 我々はスピン配置が示す見たままの視覚情報と, スピン相関の情報を含むグラフ表現を機械学習の学習データとして与えたとき, 学習結果はそれらの情報をどのように反映するのかについて考えた. 古典XY模型と量子XY模型へのKosterlitz-Thouless相の判別では, 古典XY模型での学習結果をそのまま量子XY模型に適用できることを確認した. 逆くりこみ変換への適用では, グラフ表現が持つスピン相関の情報を学習データに取り込むことにより, 逆くりこみ変換の精度が大きく向上することを確認した.
|
| 研究成果の学術的意義や社会的意義 |
スピン模型のグラフ表現は元のスピン変数を用いた記述に比べ, 様々な場面で有用であることが知られている. 本研究では機械学習の学習データとしてグラフ表現がスピン変数より常に同等もしくは優位であることが示され, 視覚情報(スピン変数)が陰に持っているスピン相関(グラフ表現)が重要となることと, 学習データから真に重要な情報がいつでも取得されるわけではないことが明らかになった. 視覚情報のみの場合とスピン相関を含めた場合とで学習に有意な差が見られたことは今後の研究にも生かされる重要な知見が得られたと考えている. 本研究で得られた結果は今後の人工知能技術など社会への波及効果も期待される.
|
