宇宙線反粒子の超高感度観測計画GAPSによるダークマター探索

使用 GAPS 寻找暗物质，GAPS 是一种超灵敏的宇宙射线反粒子观测程序

• 批准号: 22K14065
• 负责人: 山谷 昌大
• 金额: $ 2.25万
• 依托单位: Japan Aerospace EXploration Agency
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K14065/
• 关键词: ダークマター探索; 宇宙線; 反粒子; 気球; 宇宙線物理

宇宙線反重陽子の識別能力向上のために機械学習を用いた解析手法の研究開発を行なった。BDT (Boosted Decision Tree) を導入し、学習変数及び学習パラメータの最適化を行うことで、従来の解析と比較して反重陽子に対する感度が向上することを示した。この手法は反重陽子だけでなく反陽子や反ヘリウムの探索にも利用できる可能性がある。また、従来の再構成アルゴリズムではプラスチックシンチレータ通過時のエネルギー損失による入射粒子速度 (β)への影響が顕著になり、低エネルギー反粒子のβが上手く再構成できない問題が顕になった。このような再構成精度の芳しくない変数に対し、時間を含めたヒット情報を入力変数とした回帰型ニューラルネットワークを用いることで、従来の再構成アルゴリズムに存在したバイアスを抑制したβを推定することが可能となった。今後は、上記の研究成果をまとめた学術論文をGAPSを代表して執筆する予定である。従来の特徴量による事象選別ではなく、検出器の粒子ヒット情報を3次元のデータとして3次元畳込みニューラルネットワークに学習させる研究も行なった。3次元畳込みニューラルネットワークに加え、特徴量を入力変数とした全結合型ニューラルネットワークの出力も最終的に結合することで、特徴量のみの識別よりも粒子識別能力が改善される可能性があることを示した。この成果は国際学会で発表し、学術論文としても執筆済みである。MCシミュレーションデータ及び観測データのデータパイプラインの整備作業は継続中である。

我们研发了一种利用机器学习的分析方法，以提高宇宙射线反氘核的识别能力。通过引入BDT（Boosted Decision Tree）并优化学习变量和学习参数，我们表明与传统分析相比，对反氘核的敏感性得到了提高。该方法不仅可用于寻找反氘核，还可用于寻找反质子和反氦。另外，在传统的重构算法中，穿过塑料闪烁体时的能量损失对入射粒子速度（β）的影响变得明显，低能反粒子的β无法很好地重构的问题也变得明显。对于重建精度较差的变量，通过使用包含时间在内的命中信息作为输入变量的回归神经网络，我们可以在抑制传统重建算法中存在的偏差的同时估计β。今后，我计划代表GAPS写一篇学术论文，总结上述研究成果。我们还进行了研究，将来自探测器的粒子撞击信息用作 3D 数据来训练 3D 卷积神经网络，而不是基于传统特征值的事件选择。除了 3D 卷积神经网络之外，通过最终组合使用特征作为输入变量的全连接神经网络的输出，与单独基于特征的识别相比，可以提高粒子识别能力。研究结果在一次国际会议上发表，并被写成学术论文。维护 MC 模拟数据和观测数据的数据管道的工作正在进行中。

项目成果

New Particle Identification Approach with Convolutional Neural Network in GAPS

GAPS 中卷积神经网络的新粒子识别方法

• 发表时间: 2022
• 作者: F. Rogers;T. Aramaki;M. Yamatani;他 (53人中47番目);M.Yamatani;Masahiro Yamatani
• 通讯作者: Masahiro Yamatani

Sensitivity of the GAPS experiment to low-energy cosmic-ray antiprotons

• DOI: 10.1016/j.astropartphys.2022.102791
• 发表时间: 2022-06
• 期刊: Astroparticle Physics
• 影响因子: 3.5
• 作者: F. Rogers;T. Aramaki;M. Boezio;S. Boggs;V. Bonvicini;G. Bridges;D. Campana;W. Craig;P. Doetinchem;Eric Everson;Lorenzo Fabris;Sydney Feldman;H. Fuke;F. Gahbauer;C. Gerrity;C. Hailey;Takeru Hayashi;Akiko Kawachi;M. Kozai;A. Lenni;A. Lowell;M. Manghisoni;N. Marcelli;B. Mochizuki;I. Mognet;K. Munakata;R. Munini;Yusuke Nakagami;Jerome Olson;Rene Ong;G. Osteria;K. Perez;Sean Quinn;V. Re;E. Riceputi;B. Roach;Jaime Ryan;N. Saffold;V. Scotti;Y. Shimizu;R. Sparvoli;A. Stoessl;A. Tiberio;E. Vannuccini;T. Wada;M. Xiao;M. Yamatani;Kelsey Yee;A. Yoshida;Tetsuya Yoshida;G. Zampa;J. Zeng;J. Zweerink

Antiparticles identification for the GAPS experiment

GAPS 实验的反粒子鉴定

• 发表时间: 2022
• 作者: F. Rogers;T. Aramaki;M. Yamatani;他 (53人中47番目);M.Yamatani
• 通讯作者: M.Yamatani

New Particle Identification Approach with Convolutional Neural Networks in GAPS

GAPS 中卷积神经网络的新粒子识别方法

• DOI: 10.57350/jesa.9
• 发表时间: 2023
• 期刊: Journal of Evolving Space Activities
• 作者: Masahiro YAMATANI;Yusuke NAKAGAMI;Hideyuki FUKE;Akiko KAWACHI;Masayoshi KOZAI;Yuki SHIMIZU;Tetsuya YOSHIDA
• 通讯作者: Tetsuya YOSHIDA