LHC・ATLAS実験データ解析における深層学習の発展

深度学习在LHC/ATLAS实验数据分析中的发展

• 批准号: 21K13936
• 负责人: 齊藤 真彦
• 金额: $ 1.91万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K13936/
• 关键词: 素粒子物理学; ATLAS実験; 機械学習; 深層学習

本研究の目的は高エネルギー実験における実験データ解析に深層学習、特に実験データの構造を踏まえた深層学習モデルを適用することで、解析性能の向上、および説明可能性の向上を目指すことである。本年度は、昨年度に引き続きヒッグス粒子が2つのタウ粒子に崩壊する過程に着目し、複数の検出器信号からタウ粒子を同定する深層学習モデル、およびタウ粒子を含む複数の粒子群からヒッグス粒子を同定する深層学習モデルの2つの目的の異なる深層学習モデルを構築し、それらを直列につなげて全体を最適化させる研究を進めた。２つの深層学習モデルを接続する際、一方のモデルの出力がもう一方のモデルの入力となるように直接接続すると、後段モデルの性能が劣化する。深層学習モデルをマルチタスク学習のような形式で接続し学習させることで、多段の教師データが与えられているこの問題特有の構造を生かし、かつ後段モデルの予測性能劣化を緩和できることを実験的に示した。またマルチタスク学習の形式を用いることで、モデルの学習手法としてマルチタスク学習の手法を応用することが可能となり、複数モデルの効率的な学習が可能となることも実験的に示した。深層学習を用いた異常検知の手法を素粒子物理実験の問題に適用する研究も推進した。特に、正規化流を用いた異常検知手法を題材に、用いる正規化流モデルの種類(Masked Autoregressive Flow、Spline Flow等)やモデルのハイパーパラメータ(ブロック数や内部パラメータの数)の最適化が異常検知の性能にどのような影響を与えるのかを調査した。

In this study, the purpose of this study is to analyze the depth of study, the purpose of this study, the purpose of this study is to analyze the possibility of deep learning, the purpose of this study is to analyze the results of this study. This year and last year, the process of the collapse of particles in the current year and last year is in the process of monitoring the process of the collapse of particles in the current year and last year. In this year and last year, this year and last year, in the current year and last year, the process of the collapse of particles in this year and last year is due to the fact that the process of the collapse of particles in this year and last year is due to the fact that the process of the collapse of particles in this year and last year. In-line, in-line, in-line and in-line. 2. In-depth study, we need to learn more about the international situation, the strength of the other side, the input force of the other side, the direct connection of the two sides, and the performance deterioration of the latter part. In this paper, we deeply understand that there are special problems in the problems of multi-stage teaching, and so on. the latter part of the study shows that the performance is degraded and the performance is deteriorated. In the form of learning, there is a possibility that you may learn something in the form of a few words, such as the number of words, the number of words, the rate of learning, and the rate of learning. In-depth study, we often know how to solve problems in particle physics, and use research tools to promote the development of particle physics. To standardize the flow, use the normal method to know the data, and to normalize the flow (Masked Autoregressive Flow, Spline Flow, etc.) to improve the performance of the system.

项目成果

マルチタスク学習としての多段深層学習モデルの学習

将多阶段深度学习模型学习为多任务学习

• 发表时间: 2022
• 作者: Masahiko Saito;Tomoe Kishimoto;Yuya Kaneta;Taichi Itoh;Yoshiaki Umeda;Junichi Tanaka;Yutaro Iiyama;Ryu Sawada and Koji Terashi;Masahiko Saito;齊藤真彦;齊藤真彦
• 通讯作者: 齊藤真彦

素粒子物理実験における多段深層学習モデルの学習

粒子物理实验中多阶段深度学习模型的训练

• 发表时间: 2022
• 作者: Masahiko Saito;Tomoe Kishimoto;Yuya Kaneta;Taichi Itoh;Yoshiaki Umeda;Junichi Tanaka;Yutaro Iiyama;Ryu Sawada and Koji Terashi;Masahiko Saito;齊藤真彦
• 通讯作者: 齊藤真彦

Study of model construction and the learning for hierarchical models

模型构建和分层模型学习的研究

• 发表时间: 2022
• 作者: Masahiko Saito;Tomoe Kishimoto;Yuya Kaneta;Taichi Itoh;Yoshiaki Umeda;Junichi Tanaka;Yutaro Iiyama;Ryu Sawada and Koji Terashi;Masahiko Saito
• 通讯作者: Masahiko Saito

Event Classification with Multi-step Machine Learning

• DOI: 10.1051/epjconf/202125103036
• 发表时间: 2021-06
• 期刊: ArXiv
• 作者: M. Saito;T. Kishimoto;Yuya Kaneta;Taichi Itoh;Yoshiaki Umeda;J. Tanaka;Y. Iiyama;R. Sawada