抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
超弦理論と機械学習.一見すると,この二つの分野は全く異なる領域のように思えるかもしれない.超弦理論は,重力を量子化し自然界のすべての力を統一することが期待されている理論である一方,機械学習はデータからパターンを抽出し,予測や分類を行う計算機科学の一分野である.しかし,近年この二つの分野が交わることで,超弦理論がもつ新たな理論構造の理解や技術的進展が生まれつつある.以下では,超弦理論と機械学習の融合がどのように進んでいるのか,その背景や課題,そして今後の展望について解説する.2017年6月のほぼ同時期に4つの研究グループが,超弦理論と機械学習の融合に関する研究を発表し,その後,主に以下の二つの方向性で進んでいる.ここでは,紙幅の都合上,超弦理論と素粒子標準模型の関係に焦点をあて,その他の文脈での超弦理論と機械学習の融合には立ち入らない.1点目は,「超弦理論の数理的な構造の解析」についてである.超弦理論の低エネルギー有効理論は,1+9次元時空上の理論であり,9次元空間のうち6次元空間(余剰次元空間)が十分に小さくなっていること(余剰次元空間のコンパクト化)で,現在の高エネルギー実験・宇宙論観測と矛盾していないと考えられている.この余剰次元空間として6次元カラビ・ヤウ多様体を含む様々な多様体が考えられているが,その解析には代数幾何学やトポロジーの知識が必要である.機械学習・深層学習を用いることで,これらの数学的構造をより効率的に解析する手法が開発されている.2点目は,「String Landscapeの探索」である.6次元余剰次元空間を小さくコンパクト化する機構を考える際,余剰次元空間上に電場や磁場,様々な次元をもったブレーン(膜)などの力学的自由度を導入可能である.これらの力学的自由度は,10
500以上もの4次元真空(String Landscape)を導くことが知られ,その中から素粒子標準模型を導く現実の宇宙に対応する状態を見つけることが大きな課題だと考えられている.これまで統計的な手法を用いてString Landscapeを研究するアプローチは幅広く行われてきたが,機械学習の発展に伴い,この無数のString Landscapeを導く超弦理論の力学的自由度が機械学習で対象とするビッグデータとみなされた.その後,機械学習を用いて効率的にString Landscapeを探索する研究やLandscape構造の分類などが行われている.超弦理論から導かれる有効理論を解析してみると,素粒子の世代数は6次元余剰次元空間の幾何学量を含む様々なトポロジカル量で決定される.しかし,無数のトポロジカル量のうち,どのトポロジカル量が素粒子の世代数を本質的に決定するのかは明らかにされていない.そのため,無数のString Landscapeが我々の宇宙を記述する解を含んでいるのかどうかを一つ一つ調べるブルートフォースアプローチが用いられてきた.そのような中,著者らはLandscapeを探索するアプローチを行った.特に,IIA型超弦理論の交叉D-ブレーン模型にオートエンコーダと呼ばれる深層学習を活用することで,素粒子の世代数が特定のトポロジカル量により決定されることが明らかになった.機械学習は人類がこれまで認知していなかった新たな知見をもたらし,従来のアプローチと組み合わせることで,String Landscapeの全体像が今後解明されていくことが期待されている.(著者抄録)