【研究領域課題番号】19H04125 (KAKENデータベースで見る）

【研究キーワード】

超並列計算 / 計算統計 / 2次元物質 / 次世代触媒 / 全反射高速陽電子回折 / データ駆動型感度解析 / ポピュレーションアニーリング型モンテカルロ法 / スーパーコンピュータ富岳 / 低速電子回折 / ベイズ最適化 / レプリカ交換モンテカルロ法 / データ駆動科学 / モンテカルロ法 / 最適化 / 陽電子回折 / ベイズ推定

【研究成果の概要】

先端的計算手法（最適化法とデータ駆動型感度解析）を用いて汎用測定データ解析プログラム2DMATを開発・公開し，次世代触媒や次世代電子デバイスなどの工学応用が期待されている２次元物質（原子数層からなる極薄膜物質）構造解析実験にて実践した．具体的には，高エネルギー加速器研究機構（KEK）低速陽電子実験施設における革新的非破壊測定実験である，全反射高速陽電子回折法（トレプト法）を対象とした．さらに，スーパーコンピュータ富岳を用いた高速計算（弱スケーリング型並列計算）が達成された．また，プログラムを拡張し，解析できる実験の種類を増やした．

【研究の社会的意義】

先端的コンピュータと先端的計算手法を，計測技術と融合させることで，新たなイノベーションに挑む研究である．本課題では全反射高速陽電子回折法を対象としたが，数理的アプローチは汎用であり，他実験（表面エックス線回折・低速電子回折）にも適用できる．成果物であるプログラム2DMATはネット公開され，学術・産業界の実験系研究者が無償で利用することができる．こうした計測イノベーションにより，物質開発サイクルが圧倒的に加速され，次世代触媒や次世代電子デバイスなどでの産業イノベーションへ昇華されることが期待される．

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究分野】数理物理・物性基礎

【研究領域課題番号】25610102 (KAKENデータベースで見る）

【研究キーワード】

物性理論 / 磁性モデル / 磁化曲線 / 機械学習 / モンテカルロ法 / 中性子散乱 / 統計力学 / モデル化 / 計算物理 / 物性基礎論 / データ駆動 / アルゴリズム / ベイズ推論 / 画像データ

【研究成果の概要】

本研究は、データ駆動型の研究方法を物性物理の分野で展開することである。まず磁化曲線の観測データを入力として、これまでの経験的な理論モデルの構築に機械学習の技法を援用する方法を提案した。複数の候補から適切なモデル選択が可能となった。その結果、スピン構造など実験的に観測が難しい情報へのアクセスが可能となり、その後の実験計画に役立てられるようになった。さらに、扱う系を量子系に展開するためにはベイズ最適化の手法が有力であることがわかった。一方、大規模施設からのデータを想定して、中性子散乱実験のスペクトルから緩和時間分布を推定する問題に着手し、実データ解析も含めた新しい方向性を示すことができた。

【研究種目】挑戦的萌芽研究

【研究期間】2013-04-01 - 2016-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】20240020 (KAKENデータベースで見る）

【研究キーワード】

情報統計力学 / 可視化 / 次元圧縮 / クラスタリング / ビッグデータ / イメージング / 潜在構造 / ベイズ推論 / 機械学習 / イメージングデータ / マルコフ確率場 / 潜在構造推定 / 連想記憶モデル / モンテカルロ法 / パリティー検査符号 / CDMA / SAT / 大規模データ

【研究成果の概要】

本研究の目的は，経験や学習から形成されるヒトの心の中の描像を，数値計算や計測のデータから客観的手法で可視化する手法を研究することである．具体的には，情報科学と計算機科学での描像を，物理学のスピン系で発展した手法を用いて可視化する．脳の記憶のモデルである連想記憶モデルをテストケースとして，シナプス抑圧の影響，K-SAT問題，量子揺らぎの性質解明など，様々な事例において，描像の可視化を行った．

【研究種目】基盤研究(A)

【研究期間】2008-04-08 - 2013-03-31

【配分額】47,320千円 (直接経費: 36,400千円、間接経費: 10,920千円)

【研究分野】統計科学

【研究領域課題番号】12558023 (KAKENデータベースで見る）

【研究キーワード】

階層ベイズ / 自己組織化 / 一般状態空間モデル / 粒子フィルタ / ハイパーパラメータ / カウントデータ / モンテカルロ / モデル統合 / モデル結合 / 状態空間表現 / 自己組織型モデル / モンテカルロフィルタ / ベイズ推定 / 並列計算 / PCクラスター / 物理乱数

【研究成果の概要】

自己組織型時系列モデルは,その最も簡単な利用法として,状態空間モデル中のパラメータ(ベイズ統計の枠組みでは,ハイパーパラメータ)のベイズ推定に対して適用され,実用的見地からは十分精度の良い推定値を与えることがわかっている.最終年度は,ハイパーパラメータの時間変化を記述するモデルを利用した時系列解析ソフトウェア完成化に集中して取り組んだ.特に,ファイナンスデータ解析で重要な時変ボラティリィティの推定(時系列の言葉では,観測ノイズの時変分散の推定)のためのソフトを完成し,Web化から配布を開始した.以下のURLに,ソースプログラム,サンプルデータ,その解析結果,マニュアルがおいてある.
http://tswww.ism.ac.jp/higuchi/index_e/Soft/index.htm
サンプルデータは,Higuchi and Kitagawa (2000)や北川・樋口(2000)に報告されているもので,研究者ばかりでなく実務畑方々にもソフトの利用が理解しやすいものとなっている.この方法の応用により,ファイナンスの分野でこの数年重要視されている,非ガウス分布に従うプロセスの解析などが進みつつある.Web上での計算サービスに向けてCGIプログラムの作成も今年度は進めた.まもなくサービス開始できるものと期待している.
このソフトの別な利点である自動平均構造抽出を,さまざまな超大量データの一時処理として必須の人工ノイズの除去目的に活用した.最終的な結果は,応用分野のトップジャーナルに掲載された.

【研究種目】基盤研究(B)

【研究期間】2000 - 2003

【配分額】9,500千円 (直接経費: 9,500千円)