Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

量子力学の未解決問題 : 観測問題、量子古典対応、量子重力

Shogo Tanimura, Shogo TANIMURA

Published Jan 1, 2025• 0 citations
OpenAlex

Abstract

2025年1月6,7日に核融合科学研究所で開催されたプラズマ科学のフロンティア2024研究会における講演。2025年は量子力学100周年記念にあたる年であることを踏まえて、量子力学に関連した物理学の未解決問題を列挙し、とくに重力の量子論の必要性の有無について議論した。とくに、量子力学的粒子間にニュートン重力ポテンシャルが作用するというだけでは、重力場が量子場であることの証拠にはならないことを指摘した。それは、2つの電子の間にクーロンポテンシャルが作用する状況が電磁場が量子場であることの証拠にはならないことと同型である。重力場そのもの(リーマン曲率の成分など)が非可換物理量であることを実証するのが量子重力場の直接的な検証になるであろう。もしくは、量子系が重力場の源になるときは、必ず時空位置に関する波束の収縮を伴い、古典化しているのかもしれない。対偶を言えば、位置の重ね合わせ状態にある系は重力場の源になれない、のかもしれない。その意味で、重力場は古典場しかないのかもしれない。

Related papers

量子力学の未解決問題:なぜマクロ古典力学系があるのか?

Shogo Tanimura, Shogo TANIMURA

2025年3月10, 11日に東京大学 柏キャンパス 生産技術研究所で開催された Quantum Foundations 2025(QF25)研究会における講演資料。2025年は量子力学100周年にあたる年であることを踏まえて、ここでは量子力学に関連した未解決問題について論じた。とくに人間サイズのマクロ系は、原子や電子など量子力学に従うミクロ要素でできているにも関わらず、量子力学とは異質な古典力学の法則に従っているように見える。構成要素が従う基本法則からストレートに演繹的説明ができないような性質や挙動が集団系において顕在化することは創発と呼ばれるが、演繹的説明は自明ではないにしても、「ミクロ系が集まってマクロ系ができている」という存在様式は確実な事実であるからには、マクロ古典系の創発もミクロ量子力学を基礎として演繹はできなくても、少なくとも正当化されるべきである。本講演では、相対論的場の量子論を基礎において、基底状態と励起状態の間にエネルギーギャップがあるmassiveな量子場から低エネルギー極限で粒子数の確定した非相対論的質点の量子力学が導かれ、さらに粒子数無限大の集団極限で古典力学が導かれるという筋書きを紹介した。とくに無限自由度量子系代数の表現のセクター構造から古典的可換変数の存在が導かれることが、この筋書きを裏付けている。また、エネルギーギャップを持たないmassless量子場からの低エネルギー極限では粒子数不定コヒーレント状態を経由して古典場の理論が導かれる。最大の難問は、観測による波束の収縮の導出である。これについては議論の余地が大いにあるが、ペンローズの重力収縮仮説は一つの可能性を提示している。この点も含めて今後の研究の見通しについて論じた。

•Mar 1, 2025•0 citations

逆正弦法則,量子古典対応,量子ウォーク

西郷甲矢人

日本物理学会講演概要集•Jan 1, 2017•0 citations

「コペンハーゲン解釈」って呼ぶのをやめよう

Shogo Tanimura, Shogo TANIMURA

2025年1月11,12日に岡山大学津島キャンパスで開催された第11回QUATUO研究会における講演資料。全57ページ。量子力学は抽象的・数学的な物理理論だが、この理論を現実世界における経験・観察事項とどのように対応させるかという方式・規則が、量子力学の解釈である。量子力学の解釈には諸説あるが、今日一番標準的とされているのがコペンハーゲン解釈である。とは言うものの、コペンハーゲン解釈の内容についても諸説あり、論者ごとにコペンハーゲン解釈の内容をそのつど適当に設定しているように見える。このような混乱がどうして起こったのか、そもそも誰が最初に「コペンハーゲン解釈」という用語を使い始めたのかを探る論考を解説した。今のところ、1955年にハイゼンベルクが言ったあるいは書いたのが「コペンハーゲン解釈」の初出だと思われる。ハイゼンベルクの動機について歴史的背景を交えながら推測した。結論としては、コペンハーゲン解釈は内容が不明確で、形式的に量子力学の解釈になっておらず、命名の動機も科学的な理由はないので、「コペンハーゲン解釈」という呼称の使用は控えた方がよいという判断に達した。一方で、ボーアを囲む研究者たちの平等で自由闊達な精神風土は「コペンハーゲン精神」と呼ばれることがあり、仁科芳雄氏はこの精神と量子力学の知識を日本に持ち帰った物理学者としても知られている。仁科芳雄氏を顕彰する施設である仁科会館を2025年1月13日に研究会メンバーたちと一緒に訪ね見学した。ここで見聞したことの一部を講演資料の補足ページで紹介した。

•Jan 6, 2025•0 citations

機械学習/人工ニューラルネットワークを用いた量子多体系の研究

Yusuke Nomura

現代のテクノロジーを支える機能物性は、多数の電子の相互作用によって発現する量子多体現象である。量子多体系の理解はこのような応用を考える上でも重要であるとともに、基礎科学としても人類の知のフロンティアとなっている。量子多体問題の厳密な解析は指数関数的な時間がかかるため、何かしら強力な近似手法の開発が必須となっている。 このような背景の中、量子状態を自由度の数に対して指数関数的にサイズが大きくなる膨大な「データ」と捉え、機械学習/人工ニューラルネットワークによりそのデータのパターンを抽出する試みが大きく発展してきた。研究代業者は強相関電子系に対する人工ニューラルネットワーク手法の開発において世界を牽引してきた。開発した手法に基づき、幾何学的フラストレーションのある量子スピン系においてスピンの秩序が溶けて絶対零度においてもスピンが揺らぐ量子スピン液体の解明につなげた。これら一連の成果が認められ、2022年11月の凝縮系科学賞受賞に至った。 この強力な手法をさらに強力にするためには、ブラックボックスといわれている機械学習の学理の研究が不可欠である。そのために他の強力な手法であるテンソルネットワークと比較することとした。人工ニューラルネットワークはネットワークのサイズが無限大、テンソルネットワークはボンド次元が無限大の極限で、どんな量子状態も表すことができ、互いに相補的である。まず手始めとして、厳密対角化が可能な18サイトの1次元ハイゼンベルグ模型の固有状態を人工ニューラルネットワークとテンソルネットワークで近似し、その性能を比較した。その結果、人工ニューラルネットワークは強力なテンソルネットワークと同程度の表現能力を持つことがわかった。このことによりなぜ人工ニューラルネットワーク手法が量子多体系で強力なのかの一端を明らかにすることができた。今後はこの知見をいかしより強力な手法の開発に挑む。 Understanding quantum many-body phenomena is a fundamental problem in physics. Since it is exponentially expensive to exactly analyze quantum many-body problems, it is essential to develop powerful numerical methods. For this purpose, machine learning methods have gathered much attention. Using artificial neural networks, one may be able to extract essential features of quantum correlations. We have developed a state-of-the-art machine learning method and elucidated the physics of quantum spin liquid in frustrated quantum spin systems. For these achievements, the researcher was awarded the "Condensed-Matter Science Prize" in November 2022. To make this powerful method even more powerful, it is essential to study machine learning itself, which is considered a black box. To this end, we decided to compare it to another powerful method, tensor networks. As a first step, the eigenstates of the 1D Heisenberg model on 18 spin chains were approximated by an artificial neural network and a tensor network, and their performance was compared. The results show that the artificial neural network has the same level of representational capability as the tensor network. This result reveals part of the reason why the artificial neural network method is so powerful in analyzing quantum many-body systems. In the future, we will try to develop a more powerful method based on these findings.

•Jan 1, 2022•0 citations

経路積分と量子解析 : いかにして量子現象を数理的に扱うか(第6回)量子古典対応(2)量子転送行列法

Masuo Suzuki

数理科学•Feb 1, 2015•0 citations

経路積分と量子解析 : いかにして量子現象を数理的に扱うか(第5回)量子古典対応(1)非可換系を可換系で表現す

Masuo Suzuki

数理科学•Dec 1, 2014•0 citations
2025年1月6,7日に核融合科学研究所で開催されたプラズマ科学のフロンティア2024研究会における講演。2025年は量子力学100周年記念にあたる年であることを踏まえて、量子力学に関連した物理学の未解決問題を列挙し、とくに重力の量子論の必要性の有無について議論した。とくに、量子力学的粒子間にニュートン重力ポテンシャルが作用するというだけでは、重力場が量子場であることの証拠にはならないことを指摘した。それは、2つの電子の間にクーロンポテンシャルが作用する状況が電磁場が量子場であることの証拠にはならないことと同型である。重力場そのもの(リーマン曲率の成分など)が非可換物理量であることを実証するのが量子重力場の直接的な検証になるであろう。もしくは、量子系が重力場の源になるときは、必ず時空位置に関する波束の収縮を伴い、古典化しているのかもしれない。対偶を言えば、位置の重ね合わせ状態にある系は重力場の源になれない、のかもしれない。その意味で、重力場は古典場しかないのかもしれない。
2025年3月10, 11日に東京大学 柏キャンパス 生産技術研究所で開催された Quantum Foundations 2025(QF25)研究会における講演資料。2025年は量子力学100周年にあたる年であることを踏まえて、ここでは量子力学に関連した未解決問題について論じた。とくに人間サイズのマクロ系は、原子や電子など量子力学に従うミクロ要素でできているにも関わらず、量子力学とは異質な古典力学の法則に従っているように見える。構成要素が従う基本法則からストレートに演繹的説明ができないような性質や挙動が集団系において顕在化することは創発と呼ばれるが、演繹的説明は自明ではないにしても、「ミクロ系が集まってマクロ系ができている」という存在様式は確実な事実であるからには、マクロ古典系の創発もミクロ量子力学を基礎として演繹はできなくても、少なくとも正当化されるべきである。本講演では、相対論的場の量子論を基礎において、基底状態と励起状態の間にエネルギーギャップがあるmassiveな量子場から低エネルギー極限で粒子数の確定した非相対論的質点の量子力学が導かれ、さらに粒子数無限大の集団極限で古典力学が導かれるという筋書きを紹介した。とくに無限自由度量子系代数の表現のセクター構造から古典的可換変数の存在が導かれることが、この筋書きを裏付けている。また、エネルギーギャップを持たないmassless量子場からの低エネルギー極限では粒子数不定コヒーレント状態を経由して古典場の理論が導かれる。最大の難問は、観測による波束の収縮の導出である。これについては議論の余地が大いにあるが、ペンローズの重力収縮仮説は一つの可能性を提示している。この点も含めて今後の研究の見通しについて論じた。
2025年1月11,12日に岡山大学津島キャンパスで開催された第11回QUATUO研究会における講演資料。全57ページ。量子力学は抽象的・数学的な物理理論だが、この理論を現実世界における経験・観察事項とどのように対応させるかという方式・規則が、量子力学の解釈である。量子力学の解釈には諸説あるが、今日一番標準的とされているのがコペンハーゲン解釈である。とは言うものの、コペンハーゲン解釈の内容についても諸説あり、論者ごとにコペンハーゲン解釈の内容をそのつど適当に設定しているように見える。このような混乱がどうして起こったのか、そもそも誰が最初に「コペンハーゲン解釈」という用語を使い始めたのかを探る論考を解説した。今のところ、1955年にハイゼンベルクが言ったあるいは書いたのが「コペンハーゲン解釈」の初出だと思われる。ハイゼンベルクの動機について歴史的背景を交えながら推測した。結論としては、コペンハーゲン解釈は内容が不明確で、形式的に量子力学の解釈になっておらず、命名の動機も科学的な理由はないので、「コペンハーゲン解釈」という呼称の使用は控えた方がよいという判断に達した。一方で、ボーアを囲む研究者たちの平等で自由闊達な精神風土は「コペンハーゲン精神」と呼ばれることがあり、仁科芳雄氏はこの精神と量子力学の知識を日本に持ち帰った物理学者としても知られている。仁科芳雄氏を顕彰する施設である仁科会館を2025年1月13日に研究会メンバーたちと一緒に訪ね見学した。ここで見聞したことの一部を講演資料の補足ページで紹介した。
現代のテクノロジーを支える機能物性は、多数の電子の相互作用によって発現する量子多体現象である。量子多体系の理解はこのような応用を考える上でも重要であるとともに、基礎科学としても人類の知のフロンティアとなっている。量子多体問題の厳密な解析は指数関数的な時間がかかるため、何かしら強力な近似手法の開発が必須となっている。 このような背景の中、量子状態を自由度の数に対して指数関数的にサイズが大きくなる膨大な「データ」と捉え、機械学習/人工ニューラルネットワークによりそのデータのパターンを抽出する試みが大きく発展してきた。研究代業者は強相関電子系に対する人工ニューラルネットワーク手法の開発において世界を牽引してきた。開発した手法に基づき、幾何学的フラストレーションのある量子スピン系においてスピンの秩序が溶けて絶対零度においてもスピンが揺らぐ量子スピン液体の解明につなげた。これら一連の成果が認められ、2022年11月の凝縮系科学賞受賞に至った。 この強力な手法をさらに強力にするためには、ブラックボックスといわれている機械学習の学理の研究が不可欠である。そのために他の強力な手法であるテンソルネットワークと比較することとした。人工ニューラルネットワークはネットワークのサイズが無限大、テンソルネットワークはボンド次元が無限大の極限で、どんな量子状態も表すことができ、互いに相補的である。まず手始めとして、厳密対角化が可能な18サイトの1次元ハイゼンベルグ模型の固有状態を人工ニューラルネットワークとテンソルネットワークで近似し、その性能を比較した。その結果、人工ニューラルネットワークは強力なテンソルネットワークと同程度の表現能力を持つことがわかった。このことによりなぜ人工ニューラルネットワーク手法が量子多体系で強力なのかの一端を明らかにすることができた。今後はこの知見をいかしより強力な手法の開発に挑む。 Understanding quantum many-body phenomena is a fundamental problem in physics. Since it is exponentially expensive to exactly analyze quantum many-body problems, it is essential to develop powerful numerical methods. For this purpose, machine learning methods have gathered much attention. Using artificial neural networks, one may be able to extract essential features of quantum correlations. We have developed a state-of-the-art machine learning method and elucidated the physics of quantum spin liquid in frustrated quantum spin systems. For these achievements, the researcher was awarded the "Condensed-Matter Science Prize" in November 2022. To make this powerful method even more powerful, it is essential to study machine learning itself, which is considered a black box. To this end, we decided to compare it to another powerful method, tensor networks. As a first step, the eigenstates of the 1D Heisenberg model on 18 spin chains were approximated by an artificial neural network and a tensor network, and their performance was compared. The results show that the artificial neural network has the same level of representational capability as the tensor network. This result reveals part of the reason why the artificial neural network method is so powerful in analyzing quantum many-body systems. In the future, we will try to develop a more powerful method based on these findings.