|
近年、計算機・統計科学の進展を背景に、高次元データーの中から本質的な要因を抽出することができるようになりつつある。本研究の目的は、高次元データーによる計算機・統計科学のアプローチを物性科学に積極的に取り込み、次世代バレートロニクスに求められる物理の理解を進めることにある。実験から得られた大量のスペクトルデーターの情報から、機械学習の一種であるランダムフォレストのアプローチを用いて、バレートロニクスにおいて重要な物理量であるバレースピン分極を予測するアルゴリズムを構築した。さらに、そこからバレースピン分極に大きな影響を与える因子を抽出し、高いバレースピン分極を得るための物理的な指針を得た。
|
