概要

格子ゲージ理論、とくに格子QCDを基盤に、有限温度QCDのトポロジー、カイラル対称性、軸性U(1)対称性、相構造を研究しています。 近年は機械学習、高性能計算、量子計算を方法論として導入し、自己学習モンテカルロ、ゲージ共変ニューラルネットワーク、JuliaQCD などの研究・開発を進めています。 研究だけでなく、教科書執筆、研究会運営、若手育成、ソフトウェア整備にも継続的に取り組んでいます。

Akio Tomiya is a theoretical physicist working on lattice gauge theory and lattice QCD. His research focuses on topology, chiral symmetry, axial U(1) symmetry, and phase structure in finite-temperature QCD, together with machine learning, high-performance computing, and quantum computation as methods for nonperturbative field theory. He also develops reusable computational tools, including JuliaQCD, and contributes to education, workshops, and textbooks.

研究キーワード

主な研究テーマ

• 有限温度QCDにおけるトポロジー、トポロジカル感受率、Dirac 固有値、カイラル対称性、軸性U(1)対称性の研究を進めています。
• 格子QCDの計算ボトルネックを緩和するために、自己学習モンテカルロ、ゲージ共変ニューラルネットワーク、同変 Transformer などの機械学習算法を研究しています。
• JuliaQCD を中心に、再利用可能な計算基盤やソフトウェアの整備を進めています。
• 量子計算、逆問題、スペクトル関数再構成、ハドロン構造計算へつながる数値的方法にも取り組んでいます。

代表論文（抜粋）

• Lattice gradient flows (de-)stabilizing topological sectors, Journal of High Energy Physics 04 (2025) 123.
• Machine Learning for Lattice QCD, Journal of the Physical Society of Japan 94 (2025) 031006.
• Gauge covariant neural network for quarks and gluons, Physical Review D 111 (2025) 074501.
• Self-learning Monte Carlo for non-Abelian gauge theory with dynamical fermions, Physical Review D 107 (2023) 054501.
• Correlated Dirac Eigenvalues and Axial Anomaly in Chiral Symmetric QCD, Physical Review Letters 126 (2021) 082001.
• Chiral phase structure of three flavor QCD in a background magnetic field, Physical Review D 102 (2020) 054505.
• Evidence of effective axial U(1) symmetry restoration at high temperature QCD, Physical Review D 96 (2017) 034509.
• Detection of Phase Transition via Convolutional Neural Networks, Journal of the Physical Society of Japan 86 (2017) 063001.

研究論文の全リストはこのページ下部の Inspire へのリンクを参照してください。

ソフトウェア・計算基盤

• JuliaQCD: Portable lattice QCD package in Julia language。格子QCD計算の再利用可能な基盤整備を目指したパッケージで、HPCI ソフトウェア賞の対象にもなりました。
• GomalizingFlow.jl。格子場の理論に向けた flow-based sampling algorithm のための Julia パッケージです。
• Lattice Gauge Theory via LLVM-Level Automatic Differentiation。自動微分を格子ゲージ理論計算へ導入する研究です。
• 自己学習モンテカルロ、ゲージ共変ニューラルネットワーク、同変 Transformer など、格子ゲージ理論向けの機械学習算法の開発も継続しています。

主要招待講演・主要発表（抜粋）

• 2026年1月に The 2nd AI+HEP in East Asia workshop で「Machine Learning for Lattice QCD」を招待講演しました。
• 2025年7月に JuliaHEP 2025 Workshop と JuliaCon 2025 で「JuliaQCD: Portable lattice QCD package in Julia language」を講演しました。
• 2024年に Confinement 2024 で「Machine Learning Methods in Lattice QCD」を招待講演しました。
• 2024年に German-Japan Seminar で「Machine learning in lattice gauge theory」を招待講演しました。
• 2024年に Physics-of-intelligence-and-machine-learning-2024 で「Lattice QCD with Machine Learning」を招待講演しました。
• 2023年3月に日本物理学会シンポジウムで「Advances in Lattice QCD with Machine Learning」を招待講演しました。
• 2021年8月に Confinement and hadron spectrum で「Machine learning for Lattice QCD」を講演しました。
• 2020年9月に Progress of particle physics 2020 で「Machine learning and theoretical physics」を招待講演しました。

国際連携

北米・欧州・中国・台湾・韓国に研究交流ネットワークを有し、NVIDIA、MIT、ケンブリッジ大学、華中師範大学、吉林大学、Bielefeld大学、Brookhaven国立研究所、Argonne国立研究所、Jefferson Lab、Fermilab、Regensburg大学、Eötvös Loránd大学などの研究者と継続的に交流しています。 学生や若手研究者を国際会議、共同研究、短期滞在へ送り出せる環境づくりも重視しています。