| 研究課題/領域番号 |
18H01211
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
福嶋 健二 東京大学, 大学院理学系研究科(理学部), 教授 (60456754)
|
|---|
| 研究分担者 |
日高 義将 大学共同利用機関法人高エネルギー加速器研究機構, 素粒子原子核研究所, 教授 (00425604)
飯田 圭 高知大学, 教育研究部自然科学系理工学部門, 教授 (90432814)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 中性子星 / クォーク物質 / 状態方程式 |
|---|
| 研究実績の概要 |
中性子星は、内向きの重力を外向きの圧力で支えて安定化しており、半径と質量の関係を算出するためには圧力と密度の関係すなわち「状態方程式」を決定することが不可欠である。ところが強い相互作用の第一原理理論である量子色力学(QCD)は非摂動・非線型な理論であるため解析的な扱いが難しく、モンテカルロ法による数値積分をしないといけない。有限密度のQCDでは被積分関数が激しく振動してしまうため、モンテカルロ法を用いることができず、この困難は「符号問題」と呼ばれている。
そこで本研究では、観測データの解析、高密度極限からの摂動的な外挿、そして模型計算という３本柱で、状態方程式を決定する難題に挑んでいる。本年度は特に観測データの解析において大きな進展が見られたほか、摂動計算を再和する手法の提唱、高温ハドロン物質で成功している模型の高密度側への応用など、広い範囲にわたって本課題で当初から掲げていた目標を高いレベルで達成できた。
観測データの解析に関しては、教師あり機械学習によって、中性子星の観測データから状態方程式を逆解きする、いわゆる「逆問題」を扱う処方箋を提案した。単純に逆問題に落とし込むだけなら簡単だが、実際の実験データは大きな観測誤差により確率的な分布を持っており、また物理的に意味のある回帰問題として扱うためには、推定誤差の評価もしないといけない。機械学習でこれらの誤差をどうやって扱うか、系統的な方法はまだ確立していないのだが、我々は、誤差に対応する揺らぎをかけて訓練データを増やす方法を考案し、それが機械学習分でdata augmentationと呼ばれているテクニックと密接な関係があることを、一般的な枠組みから実証して見せた。
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
