2024/02/29 更新

写真a

ミヤジマ ユウスケ
宮島 悠輔
所属
理工学術院 先進理工学部
職名
助手

研究分野

  • 磁性、超伝導、強相関系
 

論文

講演・口頭発表等

  • 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  

    発表年月: 2024年03月

    開催年月:
    2024年03月
     
     
  • 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  

    発表年月: 2024年03月

    開催年月:
    2024年03月
     
     
  • Proposal of computational models of Amoeba-inspired combinatorial optimization machines

    Yusuke Miyajima, Masashito Mochizuki

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

    発表年月: 2024年03月

    開催年月:
    2024年03月
     
     
  • 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)  

    発表年月: 2023年11月

    開催年月:
    2023年11月
     
     
  • 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  

    発表年月: 2023年11月

    開催年月:
    2023年11月
     
     
  • 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  

    発表年月: 2023年09月

    開催年月:
    2023年09月
     
     
  • 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  

    発表年月: 2023年09月

    開催年月:
    2023年09月
     
     
  • 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  

    発表年月: 2023年08月

    開催年月:
    2023年08月
     
     
  • 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  

    発表年月: 2023年03月

  • 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  

    発表年月: 2023年01月

  • 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  

    発表年月: 2022年03月

  • 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)  

    発表年月: 2021年12月

  • 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  

    発表年月: 2021年09月

  • 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  

    発表年月: 2020年09月

  • 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  

    発表年月: 2020年03月

▼全件表示

 

特定課題制度(学内資金)

  • 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年   望月維人

     概要を見る

    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。