| 研究課題/領域番号 |
22K14065
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 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 | 国立研究開発法人宇宙航空研究開発機構 |
|---|
研究代表者 |
山谷 昌大 国立研究開発法人宇宙航空研究開発機構, 宇宙科学研究所, 招聘職員 (80896275)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | ダークマター探索 / 宇宙線 / 反粒子 / 気球 / 宇宙線物理 |
|---|
| 研究開始時の研究の概要 |
地球に飛来する宇宙線は、宇宙形成過程やダークマターの理解における重要なプロープであり, 今日でもガンマ線や反粒子などを対象とした多様な宇宙線観測実験が行われている。通常, 宇宙線反重陽子数は極微少であるが、ダークマターが存在することでその数が2桁から3桁ほど増加する可能性が指摘されている。GAPSはこの宇宙線反重陽子を検出することでダークマターの間接的探索を行う。本研究は、機械学習をベースにした解析を取り込むことで、宇宙線反重陽子の発見感度を向上させる。2022年度に予定されている南極長期飛翔実験で得たデータに開発した解析手法を適用し, 宇宙線反重陽子の検出を目指す。
|
| 研究実績の概要 |
2024年度においても、宇宙線反重陽子の識別能力向上を目指した機械学習手法の改良を継続した。今年度は、BDT（Boosted Decision Tree）の最適化に加え、さらなる機械学習技術を導入し、反重陽子の感度を一層高めることを目指した。具体的には、学習変数の拡充および学習パラメータの精密調整を実施し、反陽子や反ヘリウムの探索に対する有用性を確認した。低エネルギー反粒子の速度（β）再構成に関する課題に対しては、昨年度導入した回帰型ニューラルネットワークをさらに改良し、プラスチックシンチレータ通過時のエネルギー損失に起因するバイアスを一層抑制しつつ、より精緻なβ推定を実現した。特に、時間を含むヒット情報の詳細な解析を通じて再構成精度を向上させ、従来手法に比して低エネルギー領域における性能を著しく改善した。また、今年度の新たな試みとして、Bragg曲線フィッティングにより得られた特徴量を統合することで、反重陽子の識別能力を向上させた。この手法により、従来の特徴量のみを用いた手法に比して、より高精度な粒子識別が可能となり、反陽子や反ヘリウムの識別にも有用な結果を得ることができた。加えて、MCシミュレーションデータおよび観測データの効率的な解析を目的として、グループ全体で利用可能な機械学習フレームワークを開発した。このフレームワークは、データ処理の効率を向上させ、解析の速度と精度を同時に高めることに貢献した。総じて、本年度の研究開発により、宇宙線反重陽子の識別技術は大幅に向上し、今後の研究に対する堅固な基盤が確立された。
|
