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

点击翻译按钮获取中文摘要

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。