Machine learning for perturbative expansions in quantum field theory

量子场论中微扰展开的机器学习

基本信息

批准号：
22K03604
负责人：
植田高寛
金额：
$ 1.41万
依托单位：
Juntendo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

素粒子物理学の標準模型は大きな成功を収めているものの、理論的に「究極の理論」と言うにはほど遠いのが現状である。また、実験・観測的にも標準模型の枠内で説明できない現象が存在するなど、未解決の問題がある。このような問題を解決するため、さまざまな拡張模型が提唱されており、そのうちのどれが自然を正しく記述しているのか、あるいはすべて間違っているのかは、将来の実験・観測データと理論計算による予言を突き合わせることで明らかとなると期待される。実験・観測より得られる大量のデータからの信号事象の分類や粒子の識別などに関しては、以前より決定木などの機械学習の技術が使用されている。近年では、深層学習を用いることも盛んである。このような流れは人工知能・機械学習技術の急速な発達とともに、今後もより一層加速・発展していくものだと期待される。一方で、理論計算の面では、特に量子場の理論をもとにした摂動計算において、機械学習の利用は一部を除いてまだまだ限定的であると言える。また、摂動計算の基本構成要素であるファインマン積分は、摂動の高次へ行けば行くほど評価が解析的にも数値的にも困難となるので、より強力で効率的な計算手法が求められている。このような状況により、急速に発展している深層学習を含めた機械学習技術を摂動計算にどのように応用できるか、そして計算の効率化の達成や新たな知見を得ることができるかを、本研究では探求していく予定である。本年度は教師あり機械学習に必要なデータセットの作成に着手した。

尽管粒子物理学的标准模型非常成功，但目前远非被称为“最终理论”。此外，存在尚未解决的问题，例如在标准模型框架内无法在实验和观察的标准模型框架内解释的现象的存在。已经提出了各种扩展模型来解决这些问题，并且可以预期，将未来的实验和观察数据与理论计算的预测进行比较，其中哪个正确地描述了自然，或者它们是否错了，将变得清晰。已经使用了一段时间的机器学习技术，例如决策树，例如从实验和观测值获得的大量数据中对信号事件进行分类，并识别粒子。近年来，深度学习也变得越来越流行。预计这种趋势将继续加速并在未来进一步发展，以及人工智能和机器学习技术的快速发展。另一方面，就理论计算而言，可以说，机器学习的使用仍然受到限制，除了一些，尤其是在基于量子场理论的扰动计算中。此外，Feynman积分是扰动计算的基本组成部分，在分析和数值上也很难评估，因为扰动的进展越高，需要越强大，更有效的计算方法。这项研究将探讨如何将机器学习技术（包括快速发展深度学习）应用于扰动计算，以及它是否会在计算中实现效率并获得新的见解。今年，我们开始创建监督机器学习所需的数据集。