| 研究課題/領域番号 |
21K13936
|
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
齊藤 真彦 東京大学, 素粒子物理国際研究センター, 助教 (70865162)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 素粒子物理学 / ATLAS実験 / 機械学習 / 深層学習 |
|---|
| 研究成果の概要 |
本研究では高エネルギー加速器実験のデータ解析に深層学習を適用する際の複数の課題に着目しその解決を図った。
(1)入力データの構造を適切に扱うことのできるグラフニューラルネットワークを導入し、物理解析の性能を向上させた。(2)複数の深層学習モデルを情報伝播させやすい形で接続かつ学習手法を工夫することでタスク全体の解釈可能性を保ちつつ目的タスクの性能向上を実現した。(3)正規化流を用いた物理模型パラメータスキャン手法を開発し、パラメータ空間の効率的な探索を可能とした。
|
| 自由記述の分野 |
素粒子実験物理学
|
| 研究成果の学術的意義や社会的意義 |
本研究では大規模化・複雑化する実験データを解析する上での重要な知見が得られた。このことは、物理データ解析への深層学習技術応用を促進させ、素粒子物理の新たな知見を生み出す可能性を高めることに繋がる。また、本研究のテーマである複数タスク・複雑な入力データ構造や深層学習モデルの解釈可能性の必要性は産業応用上も必要とされることがあり、本研究で得られた知見は深層学習技術の浸透に伴って今後より重要になっていくと期待される。
|
