| 研究領域 | 「学習物理学」の創成－機械学習と物理学の融合新領域による基礎物理学の変革 |
|---|
| 研究課題/領域番号 |
23H04525
|
|---|
| 研究種目 |
学術変革領域研究(A)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
学術変革領域研究区分(Ⅱ)
|
|---|
| 研究機関 | 国立研究開発法人日本原子力研究開発機構 |
|---|
研究代表者 |
北村 遼 国立研究開発法人日本原子力研究開発機構, J－PARCセンター, 研究職 (10838379)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023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 | 大強度ビーム / 機械学習 / リニアック / 空間電荷効果 / ビームモニタ |
|---|
| 研究開始時の研究の概要 |
本研究の概要は、大強度ビーム加速における空間電荷効果への定量的な評価や、ビームハローに起因するロスの低減といった問題に対して、機械学習を用いたビーム物理研究への新たなアプローチの開拓を目指すものである。
具体的には、大強度リニアックの前段部輸送系をモデルケースとして、プロファイルモニタで測定できる時空間方向の2次元プロファイルの画像データから、畳み込みニューラルネットワーク(CNN)でビームの特徴量である位相空間パラメータの推定手法を開発する研究である。また、CNNによるパラメータの推定精度や計算コストの観点から、ビームプロファイル解析への画像認識導入の妥当性を検証する。
|
| 研究実績の概要 |
本研究ではリニアックの大強度ビームについて、ビーム位相空間分布の特徴量である Twissパラメータやエミッタンスといったビームパラメータを測定するため機械学習を用いた評価手法を開発した。空間電荷効果の影響が大きいリニアック初段部の低エネルギービーム輸送系を対象として、ビームプロファイルモニタで測定される進行方向(Z方向)と直交方向(XまたはY方向)の二次元プロファイル画像を入力、輸送系の初期ビームパラメータを出力とした畳み込みニューラルネットワーク(CNN)を構築した。
最初に一般的なビームパラメータ推定手法であるQuad-scan法に基づき、四重極電磁石によるX方向での収束応答を与えたXZプロファイルの画像データセットからX方向の初期ビームパラメータを推定させた。CNNを訓練するための教師データは三次元Particle-In-Cellコードによる粒子軌道計算によって生成して、実際のリニアック運転パラメータ付近でランダムに生成したX方向の初期ビームパラメータに対応するプロファイル画像データセットを教師データと検証データとして使用した。教師データで訓練したCNNに対して検証用の画像データセットからX方向のビームパラメータを推定させたところ、画像データセットの生成に使用した初期ビームパラメータを概ね正しく推定できることを確認した。
さらに同様の手順でランダムに生成したY方向またはZ方向の初期ビームパラメータに対応する、X方向での収束応答を与えたプロファイル画像データからCNNを訓練して、Y方向またはZ方向の初期ビームパラメータもそれぞれ推定できることを確認した。
実測データへの適用に向けて、各パラメータの推定精度及び三次元すべての初期パラメータを操作した場合の検証が今後の課題であるが、本研究のベースとなるパラメータ推定手法の原理実証は確立した。
|
| 現在までの達成度 (段落) |
令和6年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和6年度が最終年度であるため、記入しない。
|
