2022年度 素粒子論セミナー の履歴ソース(No.3)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• 履歴 を表示
• 2022年度 素粒子論セミナー へ行く。
  • 1 (2022-04-11 (月) 07:18:15)
  • 2 (2022-04-11 (月) 07:19:02)
  • 3 (2022-07-19 (火) 12:26:24)

#author("2022-07-19T12:26:24+09:00","default:wikiadm","wikiadm")
*2022年 [#e1cf9124]

***[[Seminar]] [#f3da5cf7]

 日時: July 19 (Tue) 16:00-17:00
 場所: Workshop room at CCS/Zoom
 講演者: Akio Tomiya (IPUT in Osaka)
 タイトル: Lattice QCD with machine learning
 概要:
 近年、機械学習を用いた格子QCDの数値的研究が盛んに行われている。この講演では、以下の2つのトピックについて議論する。
 1つ目は、ゲージ対称性を保つニューラルネットを用いた自己学習ハイブリッドモンテカルロの提案である。ゲージ対称性は
 場の量子論の研究において極めて重要な概念であるが、ニューラルネットワークにどう組み合わせるかは不明瞭であった。
 講演者は、ゲージ対称性を保ちつつ、フェルミオンと共存できるニューラルネットワークを提案した。そのニューラルネット
 ワークをもちいて、自己学習ハイブリッドモンテカルロを実行した結果について議論する。また格子QCDで広く使われている手法
 であるGradient flow との関連も議論する。
 2つ目は、量子アルゴリズムにニューラルネットを組み合わせた手法による有限温度密度相図の探索である。近年の量子コンピュータ
 の発展により、場の量子論を研究するための量子コンピュータ向けアルゴリズムの開発が近年盛んに行われている。 ここでは、
 有限温度・密度における量子ゲージ理論を近未来の量子デバイスで使用可能な変分法アルゴリズム(量子古典ハイブリッドアルゴリズム)
 を用いてシュウィンガー模型の相図を調べた結果について報告する。

-[http://www-het.ph.tsukuba.ac.jp/Seminar/tsukuba-only/2022/seminar20220719_Tomiya.pdf 2022/07/19:slides(pdf)]