ぶひんブログ

10月の気になった物理系記事です。 内容で分類してみました✋(*^^*) 出会い、探してます✋(・_・) 今月気になったのは、「NMRでみるネマティック量子臨界点での磁場侵入長の増大」と「3層Bi/Bi2212のTc＝85Kのｓ波ギャップ」ですね。かっこよくて好き(*^^*) トポロジカル・グラフェン・TMD トポロジカル半金属に歪みを与えて非線形スピンホール効果を出す https://www.nature.com/articles/s41598-018-33655-w トポロジカルフォトニック格子の状態回帰と時間分解イメージング https://www.nature.com/articles/s41467-018-06723-y エキシトン－ポラリトントポロジカル絶縁体 https://www.nature.com/articles/s41586-018-0601-5 トポロジカル絶縁体におけるプレーナーホール効果のベリー位相理論 https://www.nature.com/articles/s41598-018-33258-5 人工コロイダルアイスにおけるアイスルール脆さとトポロジカル電荷移動 https://www.nature.com/articles/s41467-018-06631-1 コメント：フラジャイルアイスManifoldとは一体( ;･`д･´)ｺﾞｸﾘ ZrSiSeにおける浮遊バンドをSTMの準粒子干渉でみる https://www.nature.com/articles/s41467-018-06661-9 コメント：浮遊バンドってなんやねん(´･ω･`) LaBiとLaSbのバルクバンド反転と表面ディラックコーン https://www.nature.com/articles/s41598-018-33273-6 コメント：LaBi/LaSbのヘテロ構造を作ると新しい性質が見えるかもという理論 WTe2の量子スピンホール状態におけるクーロンギャップのST Mによる観測 https://www.nature.com/articles/s41467-018-06635-x カイラル結晶におけるクラマース・ワイルフェルミオン https://www.nature.co...

今年の ノーベル物理学賞 が発表されました。 受賞されたのは下記の皆様です。(敬称略) Arthur Ashkin , Bell Laboratories, Holmdel, USA, "for the optical tweezers and their application to biological systems" 「 光ピンセット の開発と生物学への応用」 Gérard Mourou , École Polytechnique, Palaiseau, France, University of Michigan, Ann Arbor, USA Donna Strickland , University of Waterloo, Canada "for their method of generating high-intensity, ultra-short optical pulses" 「 チャープパルス増幅 (CPA：Chirped Pulse Amplification)による高強度超短光パルスの実現」 光物理の分野が受賞とのこと、おめでとうございます J('ｰ`)し。 Ashkin博士(h-index=62)の発見は 50年前のベル研 で行われたようです。ベル研の底力を示していますね。最高齢の96歳での受賞とのことですが、冬のスウェーデンの授賞式が心配になります。 Mouro博士(h-index=92)は74歳。最近では レーザーによる宇宙デブリの除去 などを提案されているようで、精力的です。 Strickland博士(h-index=20)は、59歳。キュリー博士、メイヤー博士に次ぐ女性3人目のノーベル物理学賞ですね。これをきっかけにこれからも女性が増えていくかしらJ('ｰ`)し 知らない分野で難しいので、関連論文、関連スライドを集めました 勉強するぞ～～～ (*^^*) 「 光ピンセット 」 光ピンセットを作る 光ピンセット技術とその応用 Studio e caratterizzazione di una pinzetta ottica Optical Tweezers Physical Principle o...

【イントロ】 出会い！出会い！出会い！ はよ結婚！はよ結婚！はよ結婚！ いつまで一人！いつまで一人！いつまで一人！ もういい年だろ！もういい年だろ！もういい年だろ！ ・・・頭がおかしくなってしまいました(・_・)。 いい年齢になってくると、親からの「ここの縁結び神社いいよ！」「知り合いのお子さんにあってみない？」「次に帰ってくる時はひとりじゃないよね？」「Hogeくんとこは子供大きくなったわね」や、「お見合い相手からLINE未読無視」といった有形無形の圧力を受けて、自分の人生空っぽだなという思いを強くします。 ε-(´･_･`)ﾊｧ…ﾅﾝﾀﾞﾖｺﾚ… そうなると、「そもそも元々出会える機会の多い人生を送っていれば、こんな悩みがないのでは？」という疑問が浮かんできます。 まあ、出会えたところでという話はありますが。 とはいえ、今までの人生を否定するのは辛く、博士号を取得する程度に積み上げた学問も捨てがたい・・・ つまり、モテる学問をすればいいのでは？ 【方法】 そもそも「モテる学問」ってなんだという疑問はあるんですが、ここでは出会いの機会の多い分野がいいのかなと素朴に仮定しました。そこで、某婚活マッチングサイトのコミュニティから、女性登録者比率の多い学問分野を調査しました。宗教上の理由で分野が偏っています。 一般的な人間にとって、学問をするには大学に行く必要があります。それでは、一番出会いの多い大学はどこなのか、調査してみました。有名所ということで旧帝大を調べました。 図１，大学別コミュニティ人数 男女比率では名古屋大(女性比率12.8％)、絶対数では東京大学(5.8％)が一番多い結果となりました。出会いを求めるなら名古屋大か東京大に行くのが良さそうです。 ちなみに、早稲田、慶應義塾の女性比率は約10％、東工大は3.6％です。 まずは基本的な4分野、数学、物理、化学、生物の男女比を調べてみました。 横軸は対数表示です。 図2、学問分野別コミュニティ人数 男女比は生物学が最大の18％。人数では化学が一番多いです。 出会いの機会を求めるなら生物学か化学を選択しましょう。 また、ひと目で物理学は選択しないほうが良いということがわかりますね。 やっぱ物理学はクソ。 そんな出会いのない物理学...

9月の気になった物理系記事です。 今月気になったのは、「エレクトライドはトポロジカル物質」かな～ 室温超伝導関係が見当たらず物足りなかったかな？ 今年も前期が終わってしまった。。。 人生はむずかしいですねぇ・・・ 強磁性ワイル半金属Co3Sn2S2の巨大内因性異常ホール効果 https://www.nature.com/articles/s41467-018-06088-2 GaAs劈開端量子ワイヤを利用した量子ホール端状態の運動量分解トンネル分光 https://www.nature.com/articles/s41467-018-06025-3 コメント：運動量分解トンネル分光しゅごい(^o^) 面間熱伝導度に現れる量子スピン液体の分数化励起の兆候 https://journals.aps.org/prx/abstract/10.1103/PhysRevX.8.031064 圧力下Fe2O3におけるサイト選択的モット絶縁体－金属転移 https://journals.aps.org/prx/abstract/10.1103/PhysRevX.8.031059 フラジャイルトポロジカル絶縁体 https://www.nikkei.com/article/DGXLRSP490334_S8A910C1000000/ コメント：トポロジカル絶縁体の定義が曖昧なところが問題では（よく知らない）。とはいえ、いろいろ発展的なアイデアが出てきそうが論文ですね。 二次トポロジカル絶縁体とトポロジカル結晶絶縁体の間のスイッチング https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.121.116801 ランダウ準位混合による分数量子ホール領域の結晶化 https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.121.116802 コメント：こういう実験的な予言をする理論好き BaCuF4における直接的電気磁気結合 https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.121.117601 コメント：新しいタイプの電気磁気結合の提案らしい マグノニッ...

【イントロ】 　「末は博士か大臣か」。 優秀な子供は周りの大人から、そんな期待を背負って成長していきます。小さな頃の期待を背にぐんぐん頭角を表し、時代を代表する寵児となっていきます。 　しかし、「十で神童、十五で才子、二十歳過ぎれば只の人」。 歳を重ね、より大きな集団の中で比較されることで、かつての輝きは失われていく人も、一方では存在します。。。 　一体何が、その差を生み出すのか。やはり、顔か・・・ 　でも、博士と大臣って顔つきは違うんだろうか(´・ω・`)？ そこで本記事では、「顔面から博士か大臣か判別できるか？」、調べてみました。 【方法】 　方法はかっこよく、Deep Learningを使用することにしました。 @kakinaguru_zoさんのPythonとKerasを使った猫犬分類プログラム を参考に、分類を実施しました。実際は基本的にそのままです。（コメント含めて）。参考書として、こちらの Keras本 を使用していますが、丁寧に書かれていると思いました（こなみ 　とはいえ、学習用の博士と大臣画像は自分で集めないといけません。 そこで、 Wikipedia から科学系のノーベル賞(物理学、化学、医学・生理学)受賞者と各国の首相・大統領の顔画像を収集するプログラムをPythonで作成しました。 その結果、博士画像488枚、大臣画像625枚を収集することができました。 (ほかのサイトからも集めてみましたが、画像サイズは同じくらいのほうが収束が良かったので、すべてWiki画像で揃えました。） これらの画像を2：1：1くらいの割合に分割し、それぞれ「学習」・「評価」・「テスト」データとしました。この辺の割合はフィーリングです。 　次に、この画像を使って学習を実施しました。学習には Google Colab を使用しました。これは、GPU使用可能なクラウド上でIpython notebook形式のPythonを実行できるアプリケーションです。すごい時代になったもんだ。。。 　学習用データをアップロードして学習した結果が下図のとおりです。 図１，学習・評価データのAccuracy 図2、学習・評価データのLoss 図１からわかるように、学習データで85％、評価データで70％程度の正確さで分類できる結果と...