【ポイント】

• 機械学習を用いた原子核モデルの最適化に成功。
• 経験的なパラメータチューニングなしに原子核の形を予言することが可能に。
• 基礎物理の問題解明、社会的応用への貢献に期待。

【概要】
北海道大学大学院理学研究院の野村昂亮准教授らの研究グループは、AI の機械学習を用いることにより、原子核の形を予言することに成功しました。
原子核は全体として変形し、振動や回転といった集団運動を起こします。原子核の形と集団運動が生じる微視的なメカニズムの解明は、現代の原子核物理学における中心的な課題です。集団運動の模型である「相互作用するボソン模型（IBM）」は、原子核構造の研究に大きな成功を収めてきましたが、現象論的であり、微視的な理論による基礎づけが必要とされてきました。近年、野村准教授らが中心となって最先端の量子多体理論に基づいた IBM の定式化が行われ、未知の原子核に関する予言も含め、集団運動研究に幅広く用いられてきました。その一方、パラメータが原子核ごとに決められていたことから、その系統的な振る舞いに関して経験的知識に基づく最適化が必要になるという問題がありました。

本研究では、物理的な要請を適切に反映したニューラルネットワークを構築し、IBM のパラメータを一意に決定することに初めて成功しました。集団運動の特徴的な性質を再現することでその有効性が示され、理論研究における問題が解決されることとなりました。AI 技術を応用することでエキゾチックな原子核の形と集団運動を予測できることが本研究によって示され、原子核の全貌解明に向け大きく前進しました。今後、不安定核の構造と反応に関して従来よりも高い精度で理論値を提供できることが期待され、基礎物理の問題解明のみならず社会的応用への貢献も期待されます。

なお、本研究成果は、2026 年 5 月 8 日（金）公開の Physics Letters B 誌にオンライン掲載されました。

【論文情報】
論文名 Microscopic derivation of the interacting boson model parameters with machine learning （機械学習を用いた相互作用するボソン模型パラメータの微視的導出）
著者名 小畠弓空 1（研究当時）、野村昂亮 2（1北海道大学大学院理学院、2北海道大学大学院理学研究院）
雑誌名 Physics Letters B（自然科学の専門誌）
ＤＯＩ 10.1016/j.physletb.2026.140522
公表日 2026 年 5 月 8 日（金）（オンライン公開）

プレスリリースはこちら

詳細は理学研究院＞研究ニュースをご覧ください。