Haozhao Liang 研究室
主宰者:Haozhao Liang
東京大学
AI 要約(直近 5 年の研究成果)
この研究室は、原子核の構造と性質、および多体相互作用する量子系の物理現象を理論的に研究しています。主な研究テーマは、原子核の基本的な構成要素である陽子と中性子がどのように相互作用し、どのような状態を形成するかを明らかにすることです。研究対象には、不安定な核から中性子星のような極度に高密度な物質まで、広範なスケールが含まれています。
研究手法としては、第一原理計算に基づいた理論モデルの構築と、それを支える数値シミュレーション、さらには機械学習の活用が特徴です。具体的には、相対論的密度汎関数理論や各種の微視的理論計算を用いて核の密度分布や結合エネルギーを予測し、実験データとの比較検証を行っています。近年は深層学習やニューラルネットワークを導入し、大規模な核データベースから新しい核の性質を予測する取り組みも進められています。
主な発見としては、核内における多体相関現象、特にクーパー対やクォーテット相関といった粒子の集団的振る舞いが、核の安定性や励起特性に重要な役割を果たすことが示されています。また、鏡像核の性質や中性子スキンの厚さに対する様々な相互作用の影響が定量的に評価されています。これらの研究成果は、既存の核モデルの改善と新しい理論枠組みの構築に貢献しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 物理学・天文学Tetsuya Taketsugu 研究室北海道大学論文 105 件·共通: 原子核, 素粒子・原子核, 素粒子・原子核・宇宙, 基礎物理 +3
- 免疫学・微生物学Koji Kawakami 研究室京都大学論文 109 件·共通: データベース, 機械, 学習, システム +8
- 医学Yohei Okada 研究室京都大学論文 102 件·共通: データベース, 機械, 学習, システム +8
- 意思決定科学Yuki Kataoka 研究室Kyoto University Hospital論文 111 件·共通: データベース, 機械, 学習, システム +8
- 医学Taku Obara 研究室Tohoku University Hospital論文 101 件·共通: データベース, 機械, 学習, システム +8
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: データベース, 機械, 学習, システム +8
- 物理学・天文学Hiroyuki Takahashi 研究室東京大学論文 181 件·共通: 原子核, 素粒子・原子核, 素粒子・原子核・宇宙, 物理学 +2
- 神経科学Shogo Okamoto 研究室東京都立大学論文 100 件·共通: 機械, 学習, 物理学, システム +8
研究成果(38 件)
- DOI: https://doi.org/10.1007/s41365-026-01905-6
- DOI: https://doi.org/10.1103/p5hz-bqvz
- DOI: https://doi.org/10.1103/physrevc.111.024305
- DOI: https://doi.org/10.1103/physrevc.111.014325
- DOI: https://doi.org/10.1088/1674-1137/ade954
- DOI: https://doi.org/10.1103/4ywp-752m
- DOI: https://doi.org/10.1103/4rqf-5kfx
- DOI: https://doi.org/10.1103/physrevc.109.055203
- [2024] Extraction of higher-order radial moments of nuclear charge density from muonic atom spectroscopyDOI: https://doi.org/10.1103/physrevc.109.034309
- DOI: https://doi.org/10.1103/physrevapplied.21.l031001
続きを表示(残り 28 件)閉じる
- DOI: https://doi.org/10.1103/physrevc.109.064312
- DOI: https://doi.org/10.1103/physreva.107.053313
- DOI: https://doi.org/10.1038/s42005-023-01199-9
- DOI: https://doi.org/10.1016/j.physletb.2023.137870
- DOI: https://doi.org/10.1093/ptep/ptad098
- DOI: https://doi.org/10.1103/physrevc.108.054312
- DOI: https://doi.org/10.1016/j.physletb.2023.138232
- DOI: https://doi.org/10.1103/physrevb.108.155303
- [2023] Nuclear mass predictions based on a deep neural network and finite-range droplet model (2012)*DOI: https://doi.org/10.1088/1674-1137/ad021c
- DOI: https://doi.org/10.1038/s41598-023-44180-w
- DOI: https://doi.org/10.1103/physrevc.108.034315
- DOI: https://doi.org/10.3760/cma.j.issn.0253-2727.2023.09.010
- DOI: https://doi.org/10.1103/physreva.108.023304
- DOI: https://doi.org/10.1103/physrevc.107.064302
- DOI: https://doi.org/10.1088/1742-6596/2478/7/072052
- DOI: https://doi.org/10.1103/physrevc.106.l061306
- DOI: https://doi.org/10.1103/physreva.106.043308
- [2022] A local-density-approximation description of high-momentum tails in isospin asymmetric nucleiDOI: https://doi.org/10.1016/j.physletb.2022.137482
- DOI: https://doi.org/10.1103/physrevc.106.l021303
- DOI: https://doi.org/10.1103/physrevc.106.024306
- DOI: https://doi.org/10.1103/physrevresearch.4.023152
- DOI: https://doi.org/10.1103/physrevc.105.024317
- DOI: https://doi.org/10.1103/physrevc.105.l021304
- [2021] Quantum computing for the Lipkin model with unitary coupled cluster and structure learning ansatz *DOI: https://doi.org/10.1088/1674-1137/ac380a
- DOI: https://doi.org/10.1103/physrevc.104.024316
- DOI: https://doi.org/10.1103/physrevc.103.064326
- DOI: https://doi.org/10.1103/physrevc.103.044304
- DOI: https://doi.org/10.1088/1674-1137/abf036
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。