Updated on 2026/04/01

写真a

 
MIYAJIMA, Yusuke
 
Affiliation
Faculty of Science and Engineering, School of Advanced Science and Engineering
Job title
Assistant Professor(without tenure)

Research Areas

  • Magnetism, superconductivity and strongly correlated systems
 

Papers

  • Machine-Learning Detection of the Berezinskii–Kosterlitz–Thouless Transitions

    Masahito Mochizuki, Yusuke Miyajima

    Journal of the Physical Society of Japan    2025.03  [Refereed]

    DOI

    Scopus

    1
    Citation
    (Scopus)

  • 機械学習によるスピン模型のベレジンスキー-コスタリッツ-サウレス転移の検出

    宮島悠輔, 望月維人

    固体物理   59 ( 10 ) 29(531) - 46(548)  2024.10

    Authorship：Lead author

  • Proposed modified computational model for the amoeba-inspired combinatorial optimization machine

    Yusuke Miyajima, Masahito Mochizuki

    Nonlinear Theory and Its Applications, IEICE   15 ( 4 ) 824 - 837  2024.10  [Refereed]

    Authorship：Lead author

    DOI

    Scopus

  • Machine-learning detection of the Berezinskii-Kosterlitz-Thouless transition and the second-order phase transition in XXZ models

    Yusuke Miyajima, Masahito Mochizuki

    Physical Review B    2023.04  [Refereed]

    Authorship：Lead author

    DOI

    Scopus

    11
    Citation
    (Scopus)

  • Machine learning detection of Berezinskii-Kosterlitz-Thouless transitions in q-state clock models

    Yusuke Miyajima, Yusuke Murata, Yasuhiro Tanaka, Masahito Mochizuki

    Physical Review B   104 ( 7 )  2021.08  [Refereed]

    Authorship：Lead author

    DOI

Presentations

  • Mathematical models of amoeba-inspired combinatorial optimization machine

    Yusuke Miyajima

    Dynamics Days Kagoshima 2025 

    Presentation date： 2025.12

    Event date：
    2025.12
    　
    　

  • Mathematical Models of Amoeba-Inspired Combinatorial Optimization Machine towards Physical Implementation

    Yusuke Miyajima, Masahito Mochizuki

    2025 International Symposium on Nonlinear Theory and Its Applications 

    Presentation date： 2025.10

    Event date：
    2025.10
    　
    　

  • アメーバ模倣型組合せ最適化マシンの数理モデルの詳しい解析

    宮島悠輔, 望月維人

    日本物理学会2025年春季大会 19aL1-7 

    Presentation date： 2025.03

  • アメーバ模倣型組合せ最適化マシンの数理モデルの詳しい解析

    宮島悠輔, 望月維人

    2025年第72回応用物理学会春季学術講演会 17a-K306-1 

    Presentation date： 2025.03

  • Detailed Analysis of Mathematical Model of Amoeba-Inspired Combinatorial Optimization Machine

    Yusuke Miyajima, Masahito Mochizuki

    The 6th International Symposium on Neuromorphic AI Hardware 

    Presentation date： 2025.03

  • 粘菌の生存戦略に倣った組合せ最適化マシンの改良数理モデル

    宮島悠輔

    第18回物性科学領域横断研究会 

    Presentation date： 2024.11

  • Machine-learning detections of the Berezinskii-Kosterlitz-Thouless transitions in spin models

    Yusuke Miyajima

    70 years of the Tanabe-Sugano diagrams 

    Presentation date： 2024.09

    Event date：
    2024.09
    　
    　

  • Improved computational model of Amoeba-inspired combinatorial optimization machines

    Yusuke Miyajima

    Unconventional Computation and Natural Computation (UCNC 2024) 

    Presentation date： 2024.06

    Event date：
    2024.06
    　
    　

  • Proposed computational models of Amoeba-inspired combinatorial optimization machines towards the physical implementation

    Yusuke Miyajima

    Materials Meet Robots 2024 

    Presentation date： 2024.05

    Event date：
    2024.05
    　
    　

  • アメーバ模倣型組合せ最適化マシンの 数理モデルの提案:物理的実装を志向した単純化

    宮島悠輔, 望月維人

    2024年第71回応用物理学会春季学術講演会 23p-22B-11 

    Presentation date： 2024.03

    Event date：
    2024.03
    　
    　

  • アメーバ模倣型組合せ最適化マシンの改良数理モデル

    宮島悠輔, 望月維人

    日本物理学会2024年春季大会 18pL2-13 

    Presentation date： 2024.03

    Event date：
    2024.03
    　
    　

  • Proposal of computational models of Amoeba-inspired combinatorial optimization machines

    Yusuke Miyajima, Masashito Mochizuki

    The 5th International Symposium on Neuromorphic AI Hardware(2024) 

    Presentation date： 2024.03

    Event date：
    2024.03
    　
    　

  • 機械学習による2次元スピン模型の相転移の検出: 二次相転移とBerezinskii-Kosterlitz-Thouless(BKT)転移

    宮島悠輔, 望月維人

    第17回物性科学領域横断研究会(2023年) 

    Presentation date： 2023.11

    Event date：
    2023.11
    　
    　

  • Machine-learning detection of the Berezinskii-Kosterlitz-Thouless transition and the second-order transition in two-dimensional spin models

    Yusuke Miyajima

    International conference on machine learning physics 

    Presentation date： 2023.11

    Event date：
    2023.11
    　
    　

  • 物理実装を志向したアメーバ模倣型組み合わせ最適化マシンの 数理モデルの提案

    宮島悠輔, 望月維人

    第84回応用物理学会秋季学術講演会(2023年) 20a-A303-4 

    Presentation date： 2023.09

    Event date：
    2023.09
    　
    　

  • アメーバ模倣型組合せ最適化マシンの数理モデルの提案: 物理的実装に向けて

    宮島悠輔, 望月維人

    日本物理学会第78回年次大会(2023年) 16pB202-11 

    Presentation date： 2023.09

    Event date：
    2023.09
    　
    　

  • 機械学習による2次元スピン模型の二次相転移 およびBerezinskii-Kosterlitz-Thouless転移の検出

    宮島悠輔, 望月維人

    強相関電子系のフロンティア 

    Presentation date： 2023.08

    Event date：
    2023.08
    　
    　

  • 機械学習による相転移の検出：二次元古典XXZ模型の二次相転移とBerezinskii-Kosterlitz-Thouless転移

    宮島悠輔, 望月維人

    日本物理学会2023年春季大会 22aC1-3 

    Presentation date： 2023.03

  • Proposal of a machine learning method for detection of the Berezinskii-Kosterlitz-Thouless transitions in the q-state clock models

    Yusuke Miyajima, Masahito Mochizuki

    2023 Annual Meeting of the Physical Society of Taiwan 

    Presentation date： 2023.01

  • 機械学習によるXXZ模型のBKT転移および2次相転移の検出

    宮島悠輔, 望月維人

    日本物理学会第77回年次大会(2022年) 16aB19-10 

    Presentation date： 2022.03

  • Machine learning detection of multiple phase transitions including BKT transition in the q-state clock models

    Yusuke Miyajima, Masahito Mochizuki

    International Conference on Frustration, Topology, and Spin Textures (ICFTS2021) 

    Presentation date： 2021.12

  • 機械学習によるKosterlitz-Thouless転移の検出

    宮島悠輔, 村田優介, 田中康寛, 望月維人

    日本物理学会2021年秋季大会 22pL4-3 

    Presentation date： 2021.09

  • 機械学習を用いたクロック模型のKT転移を含む多段磁気転移の検出

    宮島悠輔, 村田優介, 田中康寛, 望月維人

    日本物理学会2020年秋季大会 PSL-22 

    Presentation date： 2020.09

  • ニューラルネットワークによるn状態クロック模型のKT転移の検出

    宮島悠輔, 村田優介, 田中康寛, 望月維人

    日本物理学会第75年次大会(2020年) 19pK36-2 

    Presentation date： 2020.03

▼display all

 

Internal Special Research Projects

  • 自然言語処理を援用した機械学習による汎用的な相転移の検出手法の開発

    2025  

    　View Summary

    本研究課題は機械学習手法を用いて、秩序変数、転移温度や相の数といった対象とする系の事前知識をできるだけ必要としない、相転移の汎用的な検出手法を構築することを目的としている。特にベレジンスキー・コスタリッツ・サウレス転移といった自発的対称性を伴わず、二次相転移と比較して検出が難しいトポロジカル相転移を念頭に手法開発を試みた。これまでの単純な手法では磁化を用いて相分類する傾向にあり、検出がうまくいかない事例が多いことを踏まえ、スピン配置に潜むより複雑で非自明なパターンを検出するための手法を導入することにした。そこで自然言語処理で用いられる手法を援用することを試みた。具体的には自然言語処理において単語の分散表現を獲得する際に用いられるCBOWモデルを2次元強磁性クロック模型に適用することを試みた。あるスピンの向きを、その周辺のスピンの向きから推定する機械学習タスクを通して、スピンベクトルの分散表現の獲得を試みた。スピンの向きに対して整数のラベルを割り当てるのだが、学習ではこのラベルしか与えず明示的なスピン成分を与えていないにも関わらず、スピンベクトルの分散表現にはクロック模型のスピンベクトルに対応する情報が含まれていることがわかった。また、この課題と同時にカオスを用いたモンテカルロ計算の研究に取り組んだ。具体的には、カオス・ボルツマンマシンと呼ばれる数理モデルの研究に取り組んだ。このモデルでは、モンテカルロ計算と等価であると期待される計算を力学系の時間発展を用いて実行する。すでにこのモデルに従う動作をする専用ハードウェアが開発されており、計算の加速が期待できる。本研究では、カオス・ボルツマンマシンの基礎的な特性について詳しく理解するためにイジング模型を対象に詳細な解析を行い、最大リアプノフ指数や物理の収束性などを調べた。

  • アメーバ模倣型組み合わせ最適化マシンの研究：デバイス実装から応用例探索まで

    2024  

    　View Summary

    この研究課題について、アメーバ生物である粘菌の生存戦略に倣った組合せ最適化マシンの実現に向けた理論研究を行った。本来は、(1)アメーバ模倣型組合せ最適化マシンのデバイス実装を理論的に提案すること、(2)そのマシンの有力な応用例を見つけることの2つを目的として研究する予定だった。しかし、昨年の成果をまとめた論文について、5月ごろに受け取った査読コメントに基づき、研究計画を一部変更することにした。数理モデルの観点から、より物理的実装に寄り添った研究を行う必要性を感じたためである。これまでの研究で、20都市巡回セールスマン問題を対象として、モデルの解探索性能を向上させる3つの変更を見つけ出したが、(1)これらの変更による性能向上の傾向がより大きな都市数に対して成り立つのか、(2)なぜこれら3つの変更が性能向上に寄与するのかをもう少し詳しく調べることにした。前者については、元のモデルおよびそこに変更を施したモデルによって20から100都市の問題を解いた。後者については、光照射がされていない溝の数を表す変数や粘菌の足の長さを表す変数などのダイナミクスに注目して、どのようなプロセスを経てモデルが解探索を行っているか調べた。さらに、これまでの研究で構築したAmoeba TSP漸化式に対して、そこに含まれているパラメータと求解性能の関係性を調べた。こういった網羅的な研究は単純ではありながらも、実験家にとって最適化マシンの設計指針のヒントになると期待される。上記の研究の結果、各変更による解探索性能の向上は大きな都市数に対しても成り立つ普遍的なものであることがわかった。また、なぜ変更によって性能が向上するのか理由を解明することができた。今年度は、論文1編をNonlinear Theory and Its Applications誌に発表した。3件の国際会議の発表、3件の国内学会の発表を行った。

  • 磁壁によるアメーバコンピューティングの理論的実装

    2023   望月維人

    　View Summary

    本研究の達成目標は、物理的実装に適したアメーバ模倣型組合せ最適化マシンの計算モデルを提案することである。最終的にその計算モデルを、電子回路やスピントロニクス素子などのデバイスによって物理的に実装することを目指す。代表的な組合せ最適化問題としてn都市巡回セールスマン問題(TSP)を扱った。先行研究で提案された、アメーバ模倣型組合せ最適化マシンの計算モデルAmoebaTSPを改良して、改良AmoebaTSPとAmoebaTSP漸化式という2つの計算モデルを提案した。AmoebaTSPではアメーバの体積保存則を表現するために、アメーバの足に対して非局所的な制約を課していた。この制約によって、物理的実装に利用できるデバイスの種類が大きく制限される。実際、これまでに電荷保存則を利用するアナログ電子回路による物理的実装しか提案されてこなかった。私は、AmoebaTSPを詳しく調べ、最適化の結果に良い影響をもたらす3つの条件を見つけた。その結果、AmoebaTSPに課された非局所的な制約は、解探索において必要不可欠ではないことがわかった。それら3つの条件をモデルに導入することによって、非局所的な制約を取り除いた、改良AmoebaTSPを構築した。さらに、デバイス構造を複雑化させる要因になる分岐や数え上げなどの計算を取り除き、AmoebaTSP漸化式を構築した。これらの計算モデルは、非局所的な制約を持たないため、AmoebaTSPと比べ、より多くのデバイスによって実装が可能である。さらに、より優れた解探索性能を示すことがわかった。特に、改良AmoebaTSPにおいては、解探索に要するステップ数が都市数の1/2乗に比例するという、非自明なスケーリング則を示すことがわかった。現在、以上の成果をまとめた論文を執筆中である。この成果に関連して4件の国内学会発表、1件の国際シンポジウム発表を行った。