新しい背景事象抑制方法により感度を改善したミュー粒子稀崩壊探索実験

点击翻译按钮获取中文摘要

本研究は荷電レプトンフレーバーの保存を破るμ→eγ崩壊を世界最高感度で探索し、標準理論を超える物理への新たな知見を得ることを目的とする。そのために、γ線検出器であるXECとバックグラウンド同定用検出器であるdownstream RDCの較正、運用を行い、目標性能の達成を目指す。更にγ線バックグラウンドの削減に機械学習を用いた解析を導入する。本実験は統計量を稼ぐために高強度ミューオンビームを用いることで、複数のγ線が同じような時間に検出器に入射するパイルアップイベントが多く存在する。そのようなイベントについて単一のγ線として再構成すると、特にエネルギーが影響を受け、信号エネルギー領域のバックグラウンドイベントを大きく増加させてしまう。よって、目標の探索感度に到達するためにはそのようなパイルアップγ線の削減が重要である。そこで、γ線バックグラウンドを削減するための解析アルゴリズムの開発を行った。開発したアルゴリズムは主に３つのステップからなり、まず、深層学習を用いて検出器の光量分布からパイルアップイベントの同定を行う。次に、光量分布及び時間分布上でピークサーチを行うことで、パイルアップγ線を発見し、それらの入射位置や入射時間を再構成する。深層学習の推論結果は光量分布上でのピークサーチを行う際に探索方法を変えるために使用される。最後に、サム波形のunfoldingを行う。前段で見つかったパイルアップγ線の位置や時間情報を元に、全チャンネルのサム波形にテンプレート波形をフィットすることでそれぞれのγ線のエネルギーを再構成する。MCシミュレーションを用いて、開発したアルゴリズムの性能評価を行った。その結果、バックグラウンドγ線が従来手法に比べて51%削減され、探索感度を22-26%程度改善することができるという結果を得た。