• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 実績報告書

深層学習を用いたゲージ重力対応における時空創発と重力の量子効果の研究

研究課題

研究課題/領域番号 20J20628
研究機関大阪大学

研究代表者

住本 尚之  大阪大学, 理学研究科, 特別研究員(DC1)

研究期間 (年度) 2020-04-24 – 2023-03-31
キーワードAdS/CFT対応 / Holographic QCD / 深層学習 / ハドロン物理 / ニューラルネットワーク / Einstein-dilaton model / AdS/QCD model
研究実績の概要

本年度はAdS/CFT対応と深層学習アルゴリズムの親和性に基づき、深層ニューラルネットワークを用いてハドロンスペクトルから重力理論の背景時空を決定した。さらに既知の有効重力理論の範疇でその時空を解として与えることができないかを議論した。前者については、重力理論の場の方程式を深層ニューラルネットと同一視することで、実験データを入力とする訓練を経て、背景重力場の配位を決定できた。特に、AdS/CFT対応に基づいてQCDを双対な重力理論で記述するAdS/QCD模型を想定することで、背景重力場である時空の計量とディラトン場を、ハドロンスペクトルを用いた学習によって決定した。そしてそこで決定した重力場は有効重力理論の解として説明できる可能性が考えられた。本年度主に議論したのは計量だけで重力を記述するEinstein-Hilbert作用を拡張し、ディラトン場を動的に組み込んだEinstein-dilaton模型である。この模型はディラトンの自己相互作用ポテンシャルが不定な自由度であり、双対な場の理論の物理的性質との整合性がポテンシャルにある程度の制約を課す。すでに得られていた上述の重力場を解に持つようなポテンシャルを計算し、ハドロン物理との整合性について議論した結果グルーボールと呼ばれるハドロンのスペクトルの示す性質と無矛盾なポテンシャルであることがわかっている。
通常この手の模型は現象論的に決定されるもので一つの模型で多くの実験結果を説明することは課題の1つとされているが、本研究の目的はデータ主導の模型構築を行うことでそれを達成しようというものである。ここで、ニューラルネットの訓練に用いたスペクトルはグルーボールとは別のハドロンであることは重要で、今回得た模型がハドロンの物理を説明する上で普遍的であることを示唆している。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

ハドロンスペクトルを用いたAdS/QCD模型の構築に関しては論文にまとめてPhysicalReviewDで出版されるに至ったことに加え、Einstein-dilaton模型に関する研究を進められたため、当初の計画通りの進捗とした。

今後の研究の推進方策

昨年度に引き続き、得られたEinstein-dilaton模型の記述する物理現象や観測量について、AdS/CFT対応に基づいた計算を軸に調査する。

  • 研究成果

    (1件)

すべて 2020

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件)

  • [雑誌論文] Deep learning and AdS/QCD2020

    • 著者名/発表者名
      Akutagawa Tetsuya、Hashimoto Koji、Sumimoto Takayuki
    • 雑誌名

      Physical Review D

      巻: 102 ページ: -

    • DOI

      10.1103/PhysRevD.102.026020

    • 査読あり / オープンアクセス

URL: 

公開日: 2021-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi