人工ニューラルネットワークで明らかになった高温超伝導の隠れた起源

　吉田鉄平 人間・環境学研究科教授、山地洋平 物質・材料研究機構主任研究員、藤森淳 早稲田大学客員教授、今田正俊 同教授（豊田理化学研究所フェロー）の研究グループは、新たに光電子分光データから人工ニューラルネットワーク（ANN）を活用して「自己エネルギー」と呼ばれる物理量を取り出す手法を開発し、高温超伝導解明の鍵となる引力の痕跡を発見しました。

　低温超伝導体では、電子の運動の履歴を示す自己エネルギーから、超伝導状態の形成に必要な電子のペア（クーパー対）を生み出す引力の存在が実験的に証明されました。しかし、銅酸化物高温超伝導体については、高い転移温度に見合う強い引力の痕跡が長年見つかっていませんでした。

　今回、本研究グループは、理論方程式（エリアシュベルグ方程式）を用いて実験データを再現し説明する従来の方法に代わって、あらゆる関数を表現できるANNを用いた機械学習を考案し、銅酸化物高温超伝導体について、実験データを精密に再現する2成分の自己エネルギーを決定することに成功しました。自己エネルギーには「正常成分」と「異常成分」の2成分があり、後者に引力の痕跡が含まれていることがわかっています。得られた自己エネルギーの解析から、2つの成分に現れる強い電子間の散乱（正常成分）と強い引力（異常成分）の影響が、実験データでは見かけ上相殺するために隠れてしまい、引力の痕跡が観測されなかったことがわかりました。また、異常成分のさらなる解析から、強い引力が低温超伝導のような原子振動では説明できないことがわかりました。今回得られた成果は、高温超伝導の起源を解明する重要な手掛かりになります。

　今後本研究グループは、今回開発された実験データ解析手法を様々な物質に適用し、より高い超伝導転移温度を示す物質の設計に活かしていくことを目指します。また、これまでANNが活用されてきた機械学習では、多数のデータによる学習から未知のデータ予測を行うことが主流でした。今回得られた成果を嚆矢として、少数データから隠れた物理量を抽出する機械学習観測手法の確立を目指していきます。本研究成果は今後、実験科学だけでは解決が困難な問題を解く革新的手法へと発展することが期待されます。

　本研究成果は、2021年11月8日に、「Physical Review Research」のオンライン版に掲載されました。