| 研究課題/領域番号 |
22K03629
|
|---|
| 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15010:素粒子、原子核、宇宙線および宇宙物理に関連する理論
|
|---|
| 研究機関 | 大学共同利用機関法人高エネルギー加速器研究機構 |
|---|
研究代表者 |
野尻 美保子 大学共同利用機関法人高エネルギー加速器研究機構, 素粒子原子核研究所, 教授 (30222201)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (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)
2025年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 素粒子論 / 深層学習 / 素粒子実験 / ジェットの物理 / QCD |
|---|
| 研究開始時の研究の概要 |
高エネルギー実験による新物理探索では今後深層学習でより多くの物理量の相関を利用することで発見力が飛躍的に向上すると期待されている。とくに新物理の影響が現れる高い運動量をもつトップ粒子、ゲージ粒子を起源とするジェットをバックグラウンドから区別するジェット分類問題では深層学習による効率の向上が期待されている。一方、この方法は、ジェット内の低エネルギー粒子の分布の違いを利用しており、不定性が指摘されている。本研究では、粒子の分布を数学的手法で定量化し、実験データを用いて補正する方法を開発し、信頼できる深層学習解析を実現する。また、開発した手法をより多くの物理解析に適応できるように改善・拡張する。
|
| 研究実績の概要 |
ジェットの分類において基本となる要素を明らかにするために、最も先進的な模型の一つである、Particle transformer(ParT) 模型と同等の性質をもち、かつ解釈可能な模型を構成するための研究をおこなった。
1. ハドリニックカロリメーターレベルの分解能においてサブジェット構造, 2点相関、ソフト粒子のミンコフスキー汎関数をインプットとしたMLP模型を構築してParT と同等のバックグラウンド除去性能を出せることを示した。ブートストラップ法によって統計的なエラーを明らかにすることで、新たに作った模型の安定性や優位性が明らかになった。また、ソフトな粒子の存在やそのR依存性が分類に効果があることをあきらにした。MLPを基盤とし模型はParT模型に比べて安定で、今後の応用が期待できる。
2 いくつかのジェットの運動量とジェットの内部構造との間の相関をParticle transformer から得られた情報をcross attention メカニズムで解析する模型を使って解析する深層学習模型を開発した。実例として、pp->H-> hh というプロセスを例にとり、ジェットの内部構造とジェットの運動量との相関を用いて、極めて高い分類効率を達成した。この例では2つのジェットの内部構造の相関を一つのパラメーターで表現しているが、このパラーメータを入力とすることで、分類結果が大きく改善していることを示した。これはバックグラウンドとシグナルのカラーフローの違いによるものと考えられ、定性的には想定されるものの pp-> H-> hh の探索等に極めて大きな影響をもたらすものである
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
Particle transformer 模型は極めて高い分類性能を持つもので、これと同等な性能の保証する高次量を同定した。また、複数のファットジェットの相関の重要性を明らかにしたことなどから順調に進捗していると判断する。
|
| 今後の研究の推進方策 |
1. の結果についてはよりresolution の高いデータについても有効であるか検討をしている。また、今回開発した模型はあらかじめaggregate したデータを使っているため統計揺らぎが少ないため、 reweighitngによる分類の補正に適していると思われるため、現在その有効性について検討を行っている。
2 については、cross attention を,ジェット分類そのものに応用する方法を開発しており、これをさらに複合させ、より効率のよい模型を作ることを検討している。
|
