自然現象の中には、エネルギー勾配に従って時間発展する「勾配系」と呼ばれるものが多く存在する。しかし、その背後にある本質的な構造を直接読み解くことは難しい。
本研究では、その具体例として強磁性体の磁区パターンを表す時間依存 Ginzburg–Landau 方程式（TDGL 方程式）のシミュレーションデータを対象とし、深層学習に基づくデータ駆動型の縮約モデリングを行った。まず、高次元の磁区パターンを低次元の潜在空間へ写像した。その潜在空間上で有効なポテンシャルを学習し、得られたポテンシャルと実際の磁区の時間発展とを対応づけることで、複雑な勾配系ダイナミクスの巨視的な解釈を試みた。