2016 Fiscal Year Annual Research Report
強磁場とエネルギーフロンティアでの精密測定を通した真空の研究
| Project/Area Number |
15J08231
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
安達 俊介 東京大学, 理学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2015-04-24 – 2018-03-31
|
| Keywords | 超対称性粒子 / LHC |
|---|
| Outline of Annual Research Achievements |
今年度も昨年度に引き続き、陽子・陽子衝突型大型加速器LHCでのATLAS実験のデータを用いたグルイーノと呼ばれる超対称性粒子の探索を行った。今年度は昨年度取得した3.2fb-1のデータに比べて飛躍的に多いデータ量を取得することが期待されるために、引き続きこの解析に注目する必要があった。今年度の私のこの研究の実施内容としては主に3つあった。
1つ目は、従来の解析手法を用いて行う迅速なデータの解析である。今年度はデータの取得スピードが速かったので、データ処理も蓄積されるのに合わせて素早く行う必要があった。それを行うとともに逐次的なデータ解析を行い新粒子の探索を行った。残念ながら新粒子の兆候は見られなかったが、昨年と比べてさらにグルイーノの質量に対して500GeVの棄却領域を更新することができた。
2つ目は、新しい機械学習を用いた解析手法の確立である。昨年度は感度改善の見積もりを行ったが、それをさらに背景事象の見積もりも考慮した手法の確立を行った。背景事象の見積もりは従来の解析と同様に行った。機械学習を用いた場合、系統誤差のある程度の増大が見られたが、それを差し引いても特定の質量領域で従来の解析より感度向上が見られることも確認ができた。
3つ目は、新しい変数を用いた感度改善の見積もりを行ったことである。本解析のターゲットとなるグルイーノの崩壊過程ではハドロンジェットとして生じるのはグルーオン由来のジェットではなくクオーク由来のジェットである。特に、クオークとグルーオンの分離にはジェット内のトラックの特徴において違いが生じる。このトラック情報は今までの解析では用いられていない新しい情報である。実際にトラック情報を用いることと、2つ目で述べた機械学習を用いた事象選択を組み合わせることで、グルイーノ探索においてさらなる感度向上が見込まれることを確認できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
今年はLHCが順調にデータを取得したこともあり、昨年よりも広い質量領域で新粒子(グルイーノ)を探索することができた。従来の方法と並行して昨年から取り組んでいる機械学習による感度改善についても背景事象の見積もりも含めて手法を確立させることができた。
さらに、それらに加えてクオーク由来のジェットとグルーオン由来のジェットのトラックにおける違いから感度を改善することを見込めることが確認できたことが、予定していなかった大きな進歩といえる。この新しいアプローチでの感度向上は現実的に取り入れるべきであり、大いに期待できる手法だと考えているので、そういう新しいアプローチを発見できた点でも順調といえる。
|
| Strategy for Future Research Activity |
今後、来年度の前半はトラックを用いた新しい変数の利用方法とその理解について精査していくことと、その変数に対する系統誤差の考察をしていきたい。新しい変数を実際に解析で用いられるように研究を進めていきたい。
来年度の後半はこれまでに研究してきた機械学習とトラックを用いた新しい変数の利用を両方ともに利用した結果を来年度夏までのデータを用いて論文にまとめたい。
|
Research Products
(5 results)
