|
発見感度の高い新物理探索を行うために、高輝度で高エネルギーな加速器を用いた素粒子実験が不可欠となる。こうした実験の成功のために、興味ある物理事象とともに増大する背景事象をより強力に削除する究極的なトリガー技術の開発が急務である。本研究は、FPGAなどを駆使したハードウェアトリガーに、近年急速に発達している機械学習を積極的に取り入れた「AIトリガー」の可能性の可能性を追求する。具体的な研究材料として、高輝度LHC実験における7層のTGC検出
器のヒットを用いたμ粒子トリガーの開発を行う。
(1) 高輝度LHC実験において最初に導入予定の"Track Fit Trigger"によるμ粒子トリガーをXilinx社のハイエンドFPGA であるVritex UltraScale+ FPGAに実装することに成功した。さらに、このアルゴリズムを組み込むハイエンドFPGAと高速・多入出力光トランシーバとを組み合わせたトリガープロセッサの製作を進めた。
(2) "Track Fit Trigger"に変わるConvolutional Neural Network (CNN)などを取り入れた「AIトリガー」のアルゴリズムを考案し、高輝度LHC実験のTGCで導入した場合の性能評価を行った。
(1)に関しては、国際共同研究者から高輝度LHC実験のμ粒子トリガーアルゴリズムとしてTrack Fit Triggerが認められた。さらに、このTrack Fit Triggerを組み込むことを想定して設計したトリガープロセッサーが完成した。(2)に関しては、"Track Fit Trigger"とは異なるCNNなどを用いた「AIトリガー」のアルゴリズムを考案した。単純な検出器セットアップによる検証ではあるが、「AIトリガー」が"Track Fit Trigger"以上の性能を出せる可能性を持つことを立証し、学術論文としてまとめ投稿した（論文は承認待ち中）。μ粒子トリガーだけでなく、シリコン検出器などを用いて実現する荷電粒子飛跡トリガーへの実現に関する議論を共同研究者と進めた。
|
