植物の葉の色はなぜ緑色か？ - tsujimotterのノートブック
夏です。木々の緑が鮮やかな季節がやってきました。 [tsujimotterの母校、北大にて撮影] 植物の葉を眺めてると、私はいつもこんな疑問を思い浮かべます。 どうして緑色なのだろうか？ 色は、私たちは幼い頃から知っている身近な存在です。その一方で、とても神秘的な存在でもあります。 色とは何だろうか？ 考えれば考えるほど、その正体が分からなくなってしまうのです。 たとえば、みなさんは色の仕組みに関するこんな問いに答えられるでしょうか？ ・空の色が青色なのはなぜだろう？（太陽の光は白色のはずなのに） ・絵具を混ぜて金色が作れないのはなぜだろう？（そもそも金色っていったい何なのだろう） ・モルフォチョウの翅の色がきらびやかな青色をしているのはなぜだろう？（自然界には青色をした物質はほとんどない） 今回考えたいのは「植物の葉はなぜ緑色なのか？」です。 この問いを突き詰めていくと、分子の中にある電
水素様原子のエネルギースペクトル解法（その4）〜 因数分解による方法 〜 - adhara’s blog
数回に分けて、水素様原子に対する（非相対論的）束縛状態エネルギースペクトル を求めるための8通りの解法を紹介する予定である。 E. Schrödingerによる波動方程式解法（ラゲール陪多項式を用いる） W. Pauliによるso(4)代数を用いる解法 su(1,1)代数を用いた解法 因数分解を用いた解法 V. Fockによる運動量表示を用いた解法 E. Schrödinger、P. S. Epstein、I. Wallerらによる波動方程式解法（放物線座標表示の解） Kustaanheimo-Stiefel 変換を用いた解法 経路積分を用いる方法 今回はその4の因数分解を用いた解法を紹介する。 因数分解(factorization)を用いた方法は歴史的にはE. Schrödingerが創出した方法であるが、P. A. M. DiracやH. Weylによる示唆もあった。 L. Infel
日曜化学(2)：3次元空間における電子雲の計算（Python/matplotlib） - tsujimotterのノートブック
２日前に公開した量子力学に関する記事なのですが、たくさんの方に見ていただいて嬉しいです。Twitter上でもたくさんの嬉しいコメントをいただきました。 tsujimotter.hatenablog.com 今日は続きとして、電子雲の可視化 をしたいと思います。 前回の記事では、水素原子におけるシュレディンガー方程式 を考えました。 は波動関数で はエネルギー。 はハミルトニアンという演算子で、定義は次の通りです： この方程式をデカルト座標 から球面座標系 に直して、変数分離によって解を求めるという方法を紹介しました。 変数分離 によって、動径波動関数 と球面調和関数 に分けられるわけですが、前回の記事では特に球面調和関数 について可視化を行いました。 しかしながら、球面調和関数が教えてくれるのは「どの方向に電子が多く分布しているか」という情報です。これだけだと「３次元の中でどの辺に電子が分
日曜化学：量子力学の基本と球面調和関数の可視化（Python/matplotlib） - tsujimotterのノートブック
最近、とある興味 *1 から量子力学（とりわけ量子化学）の勉強をしています。 水素原子の電子の軌道を計算すると、s軌道とかp軌道とかd軌道とかの計算が載っていて、対応する図が教科書に載っていたりしますよね。 こういうやつです： Wikipedia「球面調和関数」より引用 Attribution: I, Sarxos 個人的な体験ですが、予備校の頃は先生の影響で「化学」に大ハマりしていました *2。 ここから「Emanの物理学」というサイトの影響で「物理」に目覚め、そこからなぜか「数学」に目覚めて現在に至ります。そういった経緯もあって、化学には大変思い入れがあります。 特にこの水素原子の軌道の図は当時から気になっていて、自分で描いてみたいと思っていました。先日ようやく理解でき、実際に自分で描画できるまでになりました。以下がその画像です： これはタイトルにもある「球面調和関数」と呼ばれる関数を
量子力学における物理量の実在問題の解決につながる測定方法を広島大が開発
広島大学は2月12日、量子測定から得られた結果に対応する物理量の正確な値を得る方法を発見し、その値が「弱値」と一致することを理論的解析から明らかにしたと発表した。 同成果は、広島大大学院 先進理工系科学研究科のホフマン・F・ホルガ教授によるもの。詳細は、物理学が題材の学術誌「Physical Review Research」にオンライン掲載された。 ミクロの世界を扱う量子力学では、観測・測定行為そのものが測定対象の初期状態を乱してしまうため、最初の状態での物理量の値を得る手がかりを失われてしまうという、測定の困難さが宿命的に存在する。そのため、最初の状態の物理量の値がどれほどだったのかはもちろんのこと、そこに測定・観察対象が存在していたどうかすら確認するのは容易ではなくなってしまう。 このような課題を抱えていることから、量子力学において、物理量の正確な値の実在については、今でも未解決問題と
Quantum neural network — Strawberry Fields
“Neural Network are not black boxes. They are a big pile of linear algebra.” - Randall Munroe, xkcd Machine learning has a wide range of models for tasks such as classification, regression, and clustering. Neural networks are one of the most successful models, having experienced a resurgence in use over the past decade due to improvements in computational power and advanced software libraries. The
Machine Learning for Condensed Matter Physics
Condensed Matter Physics (CMP) seeks to understand the microscopic interactions of matter at the quantum and atomistic levels, and describes how these interactions result in both mesoscopic and macroscopic properties. CMP overlaps with many other important branches of science, such as Chemistry, Materials Science, Statistical Physics, and High-Performance Computing. With the advancements in modern
DLAP2019
Target scope of Conference Deep learning plays a central role in recent developments in research in artificial intelligence (AI). Various ideas based on physics are found in the research of deep learning, and consequently, deep learning and physics are related intimately. This international conference is dedicated to (1) applications of deep learning to physics, (2) discovering similarities among
Blochの定理の導出とその意味 - 物理とか
1.Blochの定理とは Blochの定理とは、結晶が作る周期的なポテンシャル\(V(\b{r})\)の中に一つの電子をおいたとき、その波動関数が必ず \[\psi_\b{k}(\b{r}+\b{R}_n)=e^{i\b{k}\cdot\b{R}_n}\psi_\b{k}(\b{r})\tag{1}\] を満たすという定理である。(\(\b{R}_n\)は結晶の並進ベクトル。) もしくは、これと同値な \[\psi_\b{k}(\b{r})=e^{i\b{k}\cdot\b{r}}u_\b{k}(\b{r}),~~~ u_\b{k}(\b{r}+\b{R}_n)=u_\b{k}(\b{r})\tag{2}\] で書かれることも多いだろう。 Blochの定理の導出をする前に、Blochの定理が何を表しているのか考えよう。 まず最初に誰もが思うであろう疑問は、周期的なポテンシャル中に存在する電
イエーーーーーイ皆、熱の伝わり方3つ言えるかな～～～？？？？
イエーーーーイ！熱の伝わり方3つ言えるかーーーー！！！ 科学に明るい人なら絶対言えるから、言える人はオラの文章にツッコミを入れ始める前に黙って好きな駄菓子を書いてブラウザバックしよう！ 熱の伝わり方には3つある！！！！熱伝導、熱伝達、熱輻射だ！「あーあったあった、それさえわかれば説明できるわ」って人は口から糞を垂れる前に好きなカップ麺を書いてブラウザバック！ 熱の伝わり方3つを知っておくと日常がちょっと楽しくなるし、君が暖房器具を買いたいなら参考になるかもしれないし、君が料理をするのであれば、料理がうまくなるかもしれない！君がヨッピーなら銭湯が楽しくなるはずだ！しっかり覚えよう！ ・・・ ・・・ 一つ！熱伝導！熱というのは、固体なら分子がブルブル震えている状態のブルブル度合いのことだ！金属なら自由電子の運動の度合い、液体や気体なら分子が飛び回る速さの度合いだったりもする！とにかく熱というの
パンフルートと一人の物理学者～数奇な運命の出会い～【第1回】
物理の学問において、世界的に高名な中村純氏。その実力は1997年に、「ハイパフォーマンス・コンピューティング」の領域で著名な賞、「ゴードン・ベル賞」を受賞したほどだ。定年後の現在でも、物理学者として研究のため世界中を放浪する日々だが……。実は“物理学者”という肩書は中村氏の表の顔でしかない。世界的に著名な物理学者の隠された裏の顔に迫る。 中村純 氏（なかむら・あつし） 広島大学 情報メディア教育研究センター 名誉教授 大阪大学 核物理研究センター 協同研究員 一般社団法人 日本パンフルート協会 会長 物質の最小素粒子「クォーク」を探して ペリー 本日はお忙しい中、貴重な時間を割いていただき本当にありがとうございます！ 中村さんは実はつい数日前まで研究のため海外へ長期の出張中だったそうです。そして、今回の帰国後またすぐ海外へ旅立たれるとか……。超過密スケジュールの中、駆け出しメディア「Mon
ICML
The International Conference on Machine Learning (ICML) is the premier gathering of professionals dedicated to the advancement of the branch of artificial intelligence known as machine learning. ICML is globally renowned for presenting and publishing cutting-edge research on all aspects of machine learning used in closely related areas like artificial intelligence, statistics and data science, as
Physics for Deep Learning Workshop - Schedule
8:30 - 8:40 : Opening remarks 8:40 - 9:10 : Invited talk: Andrea Montanari, Linearized two-layers neural networks in high dimension [Video/Slides] 9:10 - 9:40 : Invited talk: Lenka Zdeborova, Loss landscape and behaviour of algorithms in the spiked matrix-tensor model [Video/Slides] 9:40 - 10:20 : Poster spotlights [Video/Slides, Slides only] 10:20 - 11:00 : Break and poster discussion 11:00 - 11:
記者会見：イベント・ホライズン・テレスコープによる研究成果
イベント・ホライズン・テレスコープ・プロジェクトと国立天文台ほかは、イベント・ホライズン・テレスコープによる研究成果についての記者会見をおこないます。 ・会見日時 2019年4月10日（水）22:00-23:00（日本時間） ・発表機関 自然科学研究機構 国立天文台 計算基礎科学連携拠点 工学院大学 情報・システム研究機構 統計数理研究所 総合研究大学院大学 東京大学大学院 理学系研究科 東北大学 広島大学 ・次の拠点にて同時に記者会見をおこないます 日本 東京 アメリカ合衆国 ワシントンD.C. ベルギー ブリュッセル チリ サンティアゴ 中国 上海 台湾 台北 ・イベント・ホライズン・テレスコープ（Event Horizon Telescope, EHT）については、次のウェブサイトをご参照ください。
JuliaでTightBinding模型を作ってみた - Qiita
みたいなエラーメッセージが出てしまっていますが、パッケージ自体は問題なく使えます。エラーを出さなくする方法は今のところわかりません。調査中です。 模型の構築 強束縛模型（TightBinding模型）では、原子を並べて、その原子を電子が飛び移る量子力学的な模型です。飛び移り方を設定することで、実際の固体中の電子の挙動を調べることができます。 量子力学については "Juliaで学ぶ量子力学" https://github.com/cometscome/QM 強束縛模型については "In Japanese. Juliaで学ぶタイトバインディング模型とトポロジカル物質" https://github.com/cometscome/TightBinding これらが役に立つと思います。 グラフェンの場合 炭素が蜂の巣状に並びそれが積み重なったものがグラファイトですが、蜂の巣状のシートが1枚だけのと
物理科 素粒子分野の業績事情
人文系の文献の取り扱いとか業績についてちょっとだけ - dlitの殴り書き こちらの記事に賛同したので続いてみます。 確かに異分野の事情をお互いにわかっていたほうがみんな幸せになりますよね。パーマネントや学振の採用とか。 はじめに素粒子分野は大きく分けて 弦理論 (string)現象論 (phenomenology)格子場 (lattice)素粒子実験に分かれています。これらの間には超えられない壁がありまして全てをまとめるのはちょっと難しいのですがなんとか書いてみます。 間違いを見つけたら教えてください。 論文事情素粒子の論文は全て英語で書かれます。国内雑誌としてはPTEP（旧PTP）がありますがこちらも英文です。当然どれも査読があります。 業績リストの論文（査読なし）には国際会議や研究会の proceeding を載せたりします。 素粒子分野には論文投稿前に arXiv に載せる慣習があ
ヒッグス粒子崩壊を確認、物質の質量の起源を解明
スイスのジュネーブ近郊にある欧州原子核研究機構（CERN）のATLAS検出器。ATLAS実験チームは今回、別の実験チームとともにヒッグス粒子の崩壊を観察した。（PHOTOGRAPH BY BABAK TAFRESHI, NATIONAL GEOGRAPHIC CREATIVE） 物理学者たちは数十年前から、「神の素粒子」と呼ばれるヒッグス粒子を探してきた。宇宙を満たし、物質に質量を与えると考えられてきた粒子だ。ヒッグス粒子は2012年にようやく発見され、存在を予言した物理学者がノーベル賞を受賞した。そして今回、物理学者らがヒッグス粒子のボトムクォークへの崩壊を観察し、新たな洞察を得た。（参考記事：「「科学の大発見」はもうない？」） この研究は、ヒッグス粒子の崩壊を予測していた理論素粒子物理学にとっても、数十年がかりで実験装置を建造した欧州原子核研究機構（CERN）にとっても、非常に大きな業
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - akio-tomiya/LatticeQCD.jl: A native Julia code for lattice QCD with dynamical fermions in 4 dimension.
Dark matter hunt yields unexplained signal
ネコは「物理法則」を理解している：京都大学が発表｜WIRED.jp