| 研究課題/領域番号 |
21K03555
|
|---|
| 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 | 大阪大学 (2022-2023)
九州大学 (2021) |
|---|
研究代表者 |
池田 陽一 大阪大学, 感染症総合教育研究拠点, 教授 (90548893)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 格子QCD / ハドロン間相互作用 / 深層学習 / 機械学習 / エキゾチックハドロン / ハドロン物理 / 量子色力学 / 人工知能 |
|---|
| 研究開始時の研究の概要 |
クォーク4個または5個を含むエキゾチック・ハドロンの候補は、常にハドロンの散乱状態のチャンネル結合系に現れる。これらエキゾチック・ハドロンが存在しそうなチャンネルを深層学習により予め選別する。深層学習により得られた情報から、第一原理計算である格子QCD計算を用いて現実的なハドロン間相互作用を構築未だその構造が理解されていないエキゾチック・ハドロンの構造解析を行う。
|
| 研究実績の概要 |
強い相互作用の第一原理計算である格子QCDを用いて、2021年にLHCb共同実験グループで発見の報告があったテトラクォーク状態Tccに関する計算をスーパーコンピュータ「富岳」を用いて行った。TccはD中間子とD*中間子の不変質量分布に閾値近傍のピークとして観測されたため、S波のDD*散乱のNambu-Bethe-Salpeter波動関数を測定し、その相互作用を導出した。ここでは、pi中間子質量が146MeVの物理点近傍のゲージ配位を利用し、軽クォークにWilson Clover作用、チャームクォークに関しては相対論的重クォーク作用を用いて、離散化誤差を数パーセントに抑えた。
格子QCDデータの解析の結果、DD*間の2つのpi中間子交換力が引力的であり、それによりDD*が緩く束縛した状態が存在することが明らかになった。この結果は、LHCb実験の結果と矛盾がない。一方で、Tccはクォーク4個が近距離に束縛されたテトラクォーク状態ではなく、DとD*による分子的な状態であることが理解された。
また、我々は量子状態決定に機械学習を導入する新しい方法を提案している。これまでの研究において、閾値近傍における散乱振幅の良い近似となる有効レンジ展開を用いて、２核子系における束縛状態と仮想状態を区別する深層学習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、LHC ALICEなどフェムトスコピー実験への応用を試みた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
スーパーコンピュータ「富岳」の一般課題に採択され、現実的クォーク質量を持つゲージ配位を用いた格子QCD計算を行うことができた。特に大きな話題となったTccの解析が終了し、その構造を強い相互作用の第一原理計算で解明できたことは大きな成果である。また、その他のハドロン間相互作用の計算も順調に進んでいる。さらに、有効レンジ展開を用いた閾値近傍での散乱振幅を教師データとする深層学習が高いパフォーマンスを示すことも確かめられた。これらにより、第一原理計算からハドロン間相互作用を直接求めること、および、LHC ALICEなど高エネルギーハドロン衝突実験に見出される量子状態の分類を可能とし、有機的に理論と実験の連携ができる基盤が整備できた。
|
| 今後の研究の推進方策 |
チャームクォークハドロン間相互作用に関する格子QCD計算手法はこれまでの研究で確立した。今後は、ボトムクォークを含むような相互作用の計算をスーパーコンピュータ「富岳」を用いて実行する予定である。また、フェムトスコピー実験で測定される相関関数から相互作用の情報を引き出すために、深層学習を利用する。教師データを生成する際のパラメータは、ハドロンソースサイズ、および散乱長と有効レンジの3つである。相関関数の大きさがこれらのパラメータにどのように依存するのかを明らかにし、効率よく学習が進よう工夫する。
|
