ページの先頭です

研究科紹介

竹内 道久
特任准教授 Michihisa Takeuchi

竹内 道久 たけうち みちひさ

  • 情報数理学専攻
  • 非線形数理講座

研究テーマ・概要

深層学習・量子計算等の新しい計算手法の素粒子物理学やその周辺への応用

私は素粒子物理学、特に素粒子現象論と呼ばれる実験的検証と深く関わる分野を長らく研究してきました。素粒子物理学における大きな謎の一つに、暗黒物質の存在があり、その正体がわかっていません。有力な暗黒物質の候補として、既に知られている最も重い素粒子であるトップクォークよりも重い素粒子であるという仮説があり、様々な素粒子加速器実験において探索が行われています。現代の素粒子加速器実験では大量のデータの解析が必要不可欠であり、ビッグデータ科学の側面が大きくなっています。そのため、進展の著しい機械学習・深層学習や更には量子計算分野の最新成果を応用していく研究分野が盛り上がっています。具体的には、新粒子のシグナルを背景事象から分離するために機械学習、更には量子機械学習を用いる研究や、ジェットと呼ばれる物理現象のシミュレーションに用いられる古典パートンシャワーアルゴリズムを、量子相関を取り入れるべく量子アルゴリズムに拡張する研究を行っています。

ニューラルネットワーク等の深層学習の成功には、非線形性が重要な役割を果たしますが、最後の層に注目すれば、多層性の代わりに1層の非線形な関数群に置き換えることが可能です。適切に非線形な関数群を用意できれば、高速に学習可能といった優位性があります(リザバー計算)。非線形関数群は、非線形応答を持つ物理系による物理計算に置き換えが可能であり、特に量子計算を利用することも可能です。このような観点から素粒子物理学の周辺で応用できるケースがないか検討しています。

自然のシミュレーションには究極的には物理系(量子計算)が必要となると、ファインマンが提案したと言われており、素粒子物理学における知識を活かして、古典・量子問わず新しい計算原理の具体的応用例や、計算結果の検証方法を研究していきたいと考えています。

連絡先

4桁の番号は同キャンパス内からの内線番号です。外線からは、吹: 06-6879-xxxx、吹*: 06-6105-xxxx、豊: 06-6850-xxxx、吹()、豊(): 06-6879-5111(交換台経由)となります。
メールアドレスは、末尾の “osaka-u.ac.jp” が省略されていますので、送信前に“osaka-u.ac.jp”を付加してください。