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

「コペンハーゲン解釈」って呼ぶのをやめよう

Shogo Tanimura, Shogo TANIMURA

Published Jan 6, 2025• 0 citations
OpenAlex

Abstract

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。

Related papers

最新量子論 : 量子力学 : コペンハーゲン解釈

矢沢サイエンスオフィス

学習研究社 eBooks•Jan 1, 1991•0 citations

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

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。

•Jan 1, 2025•0 citations

「コペンハーゲン解釈」とは何か : ニールス・ボーアと崩壊解釈は両立するか

紘平 森田

•Mar 31, 2014•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

確率的対数領域計算による確率行列のスペクトルギャップ増幅

Kensuke Suzuki

近年,量子計算機の研究開発が盛んに行われており,量子計算量クラスに関する理論的な研究も活発に行われている.量子計算機は古典計算機に比べ高速に計算できることが期待されており,すでに実装可能な量子計算機がスーパーコンピュータを上回る性能に達しているという研究結果も存在する[3].しかし現在実装可能な量子計算機は古典計算機に比べ扱えるビット数が少ないため,量子領域計算クラスに関する困難性を明らかにすることは重要な課題となっている. また量子計算機はすべての問題において古典計算機より高速に計算できるわけではない.量子ビットは古典ビットに比べ少ない量で多くの情報を保持することが可能だが,保持した情報を一つずつ取り出すといった操作は得意ではない.こういった性質から,量子計算機では行列演算など複数の情報を用いた演算を古典計算機より少ないステップで行い,その結果を出力するという問題に強く,実際に行列に関する様々な問題の量子アルゴリズムが考案されている.こういった量子計算量クラスに関する様々な研究成果が出る中で,古典計算量クラスとの関係性を明らかにすることは量子計算機を活用するうえで重要な指標となる.現在行列問題における古典計算量クラスと量子計算量クラスの違いとして,扱えることのできる行列の種類や,近似を行う際の精度といったことが予想されている. このような背景より,古典における領域複雑性と行列問題の精度の観点から,Doron らの研究[6] に注目した.Doron らは確率行列の第二固有値を判定する問題について,逆多項式の精度を要求する場合はBPL 完全であることを示した.しかし彼らの研究において,より簡単な問題である定数精度を要求する第二固有値問題がどれほど困難かについては議論されておらず,定数精度と逆多項式精度の第二固有値問題における困難性が同等かは不明である.そこで本研究では逆多項式精度の第二固有値問題を定数精度に確率的対数領域計算で帰着させることで,定数精度と逆多項式精度の第二固有値問題が確率的対数領域計算において同等の困難性を持つことを示そうと試みた.結果として確率的対数領域計算が可能な状況では,定数精度の第二固有値問題が一部の逆多項式精度の問題より困難であることを示した.

•Mar 1, 2023•0 citations

第1講 : コペンハーゲン解釈(量子言語)の速習

史郎 石川

1.1 量子言語(=測定理論)の概要(cf. 文献[KOARA 2018 ; コペン]) 1.2 世界記述の哲学の発展史と本書の目的 1.3 実在的世界記述と言語的世界記述 1.4 量子言語からの帰結 1.5 進歩問題の解決とその系(心身問題と因果問題)

•Jan 1, 2018•0 citations
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。
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。
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.
近年,量子計算機の研究開発が盛んに行われており,量子計算量クラスに関する理論的な研究も活発に行われている.量子計算機は古典計算機に比べ高速に計算できることが期待されており,すでに実装可能な量子計算機がスーパーコンピュータを上回る性能に達しているという研究結果も存在する[3].しかし現在実装可能な量子計算機は古典計算機に比べ扱えるビット数が少ないため,量子領域計算クラスに関する困難性を明らかにすることは重要な課題となっている. また量子計算機はすべての問題において古典計算機より高速に計算できるわけではない.量子ビットは古典ビットに比べ少ない量で多くの情報を保持することが可能だが,保持した情報を一つずつ取り出すといった操作は得意ではない.こういった性質から,量子計算機では行列演算など複数の情報を用いた演算を古典計算機より少ないステップで行い,その結果を出力するという問題に強く,実際に行列に関する様々な問題の量子アルゴリズムが考案されている.こういった量子計算量クラスに関する様々な研究成果が出る中で,古典計算量クラスとの関係性を明らかにすることは量子計算機を活用するうえで重要な指標となる.現在行列問題における古典計算量クラスと量子計算量クラスの違いとして,扱えることのできる行列の種類や,近似を行う際の精度といったことが予想されている. このような背景より,古典における領域複雑性と行列問題の精度の観点から,Doron らの研究[6] に注目した.Doron らは確率行列の第二固有値を判定する問題について,逆多項式の精度を要求する場合はBPL 完全であることを示した.しかし彼らの研究において,より簡単な問題である定数精度を要求する第二固有値問題がどれほど困難かについては議論されておらず,定数精度と逆多項式精度の第二固有値問題における困難性が同等かは不明である.そこで本研究では逆多項式精度の第二固有値問題を定数精度に確率的対数領域計算で帰着させることで,定数精度と逆多項式精度の第二固有値問題が確率的対数領域計算において同等の困難性を持つことを示そうと試みた.結果として確率的対数領域計算が可能な状況では,定数精度の第二固有値問題が一部の逆多項式精度の問題より困難であることを示した.