|
深層学習（多層畳み込みニューラルネットワーク）による波動関数の画像解析によって，ランダム電子系における量子相転移を解析した。この手法ではすでに分かっている量子相で波動関数を学習し，汎化性能により未知の相を決定する。様々な次元でのランダム電子系のアンダーソン転移，トポロジカル転移の相図を描くことが可能となった。また，通常の手法ができないアモルファス系（量子パーコレーション系）でもこの手法が有効であることを実証した。トポロジカルな系では，実空間だけでなく波数空間の波動関数の解析が有効であることも明らかにした。この研究により固体物理学における機械学習の有効性を実証し，従来の手法との優劣を比較した。
|
