| 研究課題/領域番号 |
21K03589
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分15020:素粒子、原子核、宇宙線および宇宙物理に関連する実験
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
長谷川 庸司 信州大学, 学術研究院理学系, 教授 (70324225)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 測定器開発 / トリガー / 機械学習 / 標準模型を超える物理 / FPGA / GPU / 高エネルギー物理学実験 / 加速器実験 / 長寿命粒子 / ミューオントリガー / 素粒子物理学実験 |
|---|
| 研究開始時の研究の概要 |
素粒子物理学における標準理論を超える新しい物理の兆候は未だ見えない。その兆候の一つと期待される長寿命の粒子を発見するには、長寿命粒子がミュー粒子に崩壊した事象を捕らえるトリガーシステムが重要である。従来のトリガーシステムでは長寿命粒子に対する検出効率が低いため、新たに導入されるミュー粒子検出器とトリガー論理回路に実装可能なトリガーシステムを機械学習を利用して開発し、実際の実験装置に実装する。長寿命の新粒子に対する検出効率が改善されることで、標準理論を超える新しい物理に対し、穴のない探索網を作ることに寄与する。
|
| 研究成果の概要 |
LHC-ATLAS実験のミュー粒子トリガーシステムは、標準模型を超える新物理の探索に重要な長寿命粒子の崩壊で生成する、衝突点由来でないミュー粒子に対するトリガー効率が低い。このトリガー効率を上げるために、機械学習を用いたトリガーを構築し、性能評価を行った。
機械学習モデルにCNNを用い、ATLAS検出器のMCデータを学習させた。学習したCNNモデルをFPGAを搭載したAMD社のアクセラレータに実装し、トリガー効率と実行時間を評価した。現行のトリガーアルゴリズムと同様のトリガー効率が得られたが，実行時間は要求性能を満たさなかった。実装を最適化することにより改善されると予想される。
|
| 研究成果の学術的意義や社会的意義 |
近年発展が著しい機械学習のモデルが、素粒子実験の収集したデータの物理解析に導入され、大きな成果を上げている。一方で、機械学習のモデルをハードウェアのFPGAに実装し、検出器のデータ収集における、トリガーシステムへの導入も進みつつある。特に、多くの次世代のコライダー実験においては、トリガーシステムへの導入が検討されている。本研究はその先鞭をつけるものの一つであり、FPGAに実装した機械学習モデルがトリガーとして動作し、現行のトリガーアルゴリズムと同様の性能を発揮することを確認した。
|
