| 研究課題/領域番号 |
18K03493
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
森 弘之 東京都立大学, 理学研究科, 教授 (60220018)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 冷却原子 / 量子力学的粒子 / 機械学習 / 相転移 / ニューラルネットワーク |
|---|
| 研究実績の概要 |
冷却原子系のスピン流制御の研究において、相構造の特定は重要な作業の一つであるが、従来の手法（量子モンテカルロシミュレーションなど）の限界もあり、全く新しいアプローチとして深層学習を用いた解析を前年度から試みてきた。当初はスピン系を例にとって手法の開発に注力し、徐々に量子力学的粒子系に応用するという順序で研究を進めてきた。
1.深層生成モデルを用いたスピン状態の超解像
Li and Wangが提案した深層生成モデルによるスピン状態生成手法では、対象となる系のハミルニアンが既知であれば、最適化においてそのデータを必要としない。本研究ではこれを拡張し、比較的入手が容易な格子サイズの小さいスピン状態を入力として、より大きな格子サイズのスピン状態を生成できる超解像手法を開発した。これにより、先行研究よりも大きな格子サイズのスピン状態を率的に生成することができるようになった。
2. イジングスピン系および量子力学的粒子系の機械学習解析における入力データの新しい準備法
機械学習の物理系の解析に用いるアプローチについて引き続き検討し、スピン系の相転移現象を機械学習の画像認識を用いて解析する際、画像を用意する方法に工夫をすることで汎化性能を上げられることを発見し、論文に発表した。また、量子力学的粒子系への応用を目指し、世界線を用いたモンテカルロシミュレーションのスナップショットを画像として扱い、相特定に機械学習を用いる方法について検討を進めた。
|
| 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
当初の予定にはなかった深層学習による解析の方向性が定まり、その方向を軸に研究を進めてきた。
|
| 今後の研究の推進方策 |
深層学習・機械学習を用いた解析をベースに、冷却原子系（すなわち量子力学的粒子系）の相構造、スピン流制御などの研究を進める。
|
| 次年度使用額が生じた理由 |
コロナ等の影響により、学会、研究会、国際会議の開催がオンラインとなり、出張旅費が大幅に不要となったことが最も大きな要因である。これに加え、当初予定していた計算機器の価格が低下するなど、
|
