Project/Area Number |
21K03586
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 15020:Experimental studies related to particle-, nuclear-, cosmic ray and astro-physics
|
Research Institution | The University of Tokyo |
Principal Investigator |
平出 克樹 東京大学, 宇宙線研究所, 特任准教授 (10584261)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | 表面アルファ検出器 / 宇宙素粒子実験 / 極低バックグラウンド |
Outline of Research at the Start |
暗黒物質の直接探索やニュートリノレス二重ベータ崩壊探索などのごく稀な現象を探索する宇宙素粒子実験において、検出器部材の表面に付着しているラドンの娘核によるバックグラウンド事象の低減は共通の課題である。 本研究の目的は、次世代の極低バックグラウンド検出器開発を見据えて、現行の低バックグラウンド表面アルファ検出器のバックグラウンドの低減を行うとともに、表面アルファ検出性能を詳細に検証し、測定方法の改善を行う。
|
Outline of Annual Research Achievements |
宇宙に大量に存在する暗黒物質と通常の物質との反応を検出しようとする暗黒物質直接探索実験や、ニュートリノを伴わない二重ベータ崩壊の探索実験など、ごく稀な現象を探索する宇宙素粒子実験において、検出器を構成する部材の表面に付着している210Poなどのラドン娘核による表面バックグラウンド事象の低減は共通の課題である。本研究の目的は、次世代の極低放射性バックグラウンド宇宙素粒子検出器の開発を見据えて、現行の極低放射性バックグラウンド表面アルファ検出器のバックグラウンドをハードウェアおよびソフトウェアの両面の改善により1桁以上低減し、部材表面の210Po量に対する感度を0.1 mBq/m2以下まで高 めることである。また、表面アルファ検出性能を詳細に検証し、測定方法の改善を行う。
2022年度については、これまで測定が難しかった絶縁体サンプルに関して、これまでの測定方法の改善の研究を行った。その中でも、特に絶縁体サンプルが帯電していると観測されるアルファ線のエネルギースペクトルに歪みが生じて正確な測定が行えないため、測定前の絶縁体サンプルの除電方法に焦点を当てて、効果的な除電方法の検討および調査を行ってきた。また、バックグラウンド源を理解するために、サンプル等を設置しない状態での長期測定を行ってバックグラウンドレートやエネルギースペクトルの安定性等の調査を実施してきた。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
ハードウェア面でのバックグランドの低減については、別の測定のために検出器を連続運転する必要が生じたために本計画を延期したため。
|
Strategy for Future Research Activity |
ステンレスや無酸素銅などの金属表面に付着したラドン娘核を削減する研究は既に行われており、電解研磨により金属表面をO(10) μm削り落とすことが有効な方法であることが分かっている。そこで、サンプルトレイやガス配管などに電解研磨を施して、これらの部材起因の背景事象を1/10以下に低減することを目指す。ハードウェアの改善と並行して、ソフトウェアによる背景事象の識別・除去を試みる。本研究では、波形情報に立ち戻って機械学習を用いることで事象のサンプルトレイ上の2次元位置再構成を試みる。再構成された位置情報を用いて、事象が測定サンプル起因かサンプルトレイ起因かを識別して背景事象を除去できるほか、サンプルが局所的に汚染されていないかなどの検証ができる可能性がある。
|