2020 Fiscal Year Annual Research Report
Extending the reach of long-lived new particles searches in the world's highest energy proton-proton collisions under unprecedented luminosity environment
| Project/Area Number |
19K23439
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
生出 秀行 東京工業大学, 理学院, 助教 (60846294)
|
|---|
| Project Period (FY) |
2019-08-30 – 2021-03-31
|
| Keywords | 高輝度LHC / ピクセル検出器 / 長寿命粒子探索 / ヒグシーノ探索 |
|---|
| Outline of Annual Research Achievements |
高輝度LHCの放射線環境にて使用される次世代ピクセル検出器について，研究期間を通じて検出器モジュール本体の設計の完了と，量産体制の本格化が進んだ．読み出し検査を行うためのペルチェ・モジュールを用いた冷却箱を１基実際に製造し，要求される約10Wでのモジュール駆動時において安全に除熱を行いながら-15℃での冷却制御，および非駆動時における-35℃制御を実現した．結露を防ぐ乾燥ガス導入とインターロックの作動も良好であり，量産時の体制を整えることができた．この冷却箱と適合するX線照射システムを独自に開発し，短時間でピクセル・バンプ接合を検査可能になった．また並行して，恒温槽を用いた熱サイクル試験・制御システムを構築した．外観検査については，各国に分散した検査を行う機関で同等の確認ができるよう，ワイヤ・ボンドの状態等を確認するために十分な光学性能と再現性が市販製品において確立できることを確認し，標準化のための検査支援ツールを開発した．
「Bハドロン」を含む比較的ソフトな崩壊点をより効率的に再構成が可能なアルゴリズムの開発研究では，従来の再構成法では再構成効率が不十分な要因を系統的に明らかにし，崩壊点を構成する飛跡を「群」として機械学習の入力に取り込むことで，標的とする再構成効率を高めることができる余地があることを新たに見出した．実際に機械学習を実装すると，従来アルゴリズムに比して2倍程度まで収量を増加させつつ，効果的に背景事象を抑制できることが分かり，実際の探索への展望が明確になった．また荷電ヒグシーノ探索においては提案段階での簡易な予測が大筋で合致していることを確認でき， 探索戦略の妥当性・有効性を追確認できたため，探索チャンネルとして結実した．
|
