宇宙線反粒子の超高感度観測計画GAPSによるダークマター探索

使用 GAPS 寻找暗物质，GAPS 是一种超灵敏的宇宙射线反粒子观测程序

• 批准号: 22K14065
• 负责人: 山谷 昌大
• 金额: $ 2.25万
• 依托单位: Japan Aerospace EXploration Agency
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K14065/
• 关键词: ダークマター探索; 宇宙線; 反粒子; 気球; 宇宙線物理

宇宙線反重陽子の識別能力向上のために機械学習を用いた解析手法の研究開発を行なった。BDT (Boosted Decision Tree) を導入し、学習変数及び学習パラメータの最適化を行うことで、従来の解析と比較して反重陽子に対する感度が向上することを示した。この手法は反重陽子だけでなく反陽子や反ヘリウムの探索にも利用できる可能性がある。また、従来の再構成アルゴリズムではプラスチックシンチレータ通過時のエネルギー損失による入射粒子速度 (β)への影響が顕著になり、低エネルギー反粒子のβが上手く再構成できない問題が顕になった。このような再構成精度の芳しくない変数に対し、時間を含めたヒット情報を入力変数とした回帰型ニューラルネットワークを用いることで、従来の再構成アルゴリズムに存在したバイアスを抑制したβを推定することが可能となった。今後は、上記の研究成果をまとめた学術論文をGAPSを代表して執筆する予定である。従来の特徴量による事象選別ではなく、検出器の粒子ヒット情報を3次元のデータとして3次元畳込みニューラルネットワークに学習させる研究も行なった。3次元畳込みニューラルネットワークに加え、特徴量を入力変数とした全結合型ニューラルネットワークの出力も最終的に結合することで、特徴量のみの識別よりも粒子識別能力が改善される可能性があることを示した。この成果は国際学会で発表し、学術論文としても執筆済みである。MCシミュレーションデータ及び観測データのデータパイプラインの整備作業は継続中である。

Cosmic ray anti-Chongyang sub-recognition ability upward, mechanical learning, analysis method research development. BDT (Boosted Decision Tree) is an optimization tool for learning the number and size of objects. This method is to explore the possibility of using it. The influence of incident particle velocity (β) on the reconstruction of particles is discussed in detail. The accuracy of reconstruction is determined by the number of errors, the time of error, and the number of errors. In the future, the research results of GAPS will be written. The characteristics of the object are selected, and the particle information of the detector is selected, and the three-dimensional information is selected. 3. The possibility of improving particle recognition ability is shown by the number of input force of 3-dimensional characteristic quantity and the number of input force of 3-dimensional characteristic quantity. The results of this research are published in international societies and academic papers. MC system design and test system design and test system design

项目成果

New Particle Identification Approach with Convolutional Neural Network in GAPS

GAPS 中卷积神经网络的新粒子识别方法

• 发表时间: 2022
• 作者: F. Rogers;T. Aramaki;M. Yamatani;他 (53人中47番目);M.Yamatani;Masahiro Yamatani
• 通讯作者: Masahiro Yamatani

Sensitivity of the GAPS experiment to low-energy cosmic-ray antiprotons

• DOI: 10.1016/j.astropartphys.2022.102791
• 发表时间: 2022-06
• 期刊: Astroparticle Physics
• 影响因子: 3.5
• 作者: F. Rogers;T. Aramaki;M. Boezio;S. Boggs;V. Bonvicini;G. Bridges;D. Campana;W. Craig;P. Doetinchem;Eric Everson;Lorenzo Fabris;Sydney Feldman;H. Fuke;F. Gahbauer;C. Gerrity;C. Hailey;Takeru Hayashi;Akiko Kawachi;M. Kozai;A. Lenni;A. Lowell;M. Manghisoni;N. Marcelli;B. Mochizuki;I. Mognet;K. Munakata;R. Munini;Yusuke Nakagami;Jerome Olson;Rene Ong;G. Osteria;K. Perez;Sean Quinn;V. Re;E. Riceputi;B. Roach;Jaime Ryan;N. Saffold;V. Scotti;Y. Shimizu;R. Sparvoli;A. Stoessl;A. Tiberio;E. Vannuccini;T. Wada;M. Xiao;M. Yamatani;Kelsey Yee;A. Yoshida;Tetsuya Yoshida;G. Zampa;J. Zeng;J. Zweerink

Antiparticles identification for the GAPS experiment

GAPS 实验的反粒子鉴定

• 发表时间: 2022
• 作者: F. Rogers;T. Aramaki;M. Yamatani;他 (53人中47番目);M.Yamatani
• 通讯作者: M.Yamatani

New Particle Identification Approach with Convolutional Neural Networks in GAPS

GAPS 中卷积神经网络的新粒子识别方法

• DOI: 10.57350/jesa.9
• 发表时间: 2023
• 期刊: Journal of Evolving Space Activities
• 作者: Masahiro YAMATANI;Yusuke NAKAGAMI;Hideyuki FUKE;Akiko KAWACHI;Masayoshi KOZAI;Yuki SHIMIZU;Tetsuya YOSHIDA
• 通讯作者: Tetsuya YOSHIDA