Ｔ２ＫとＳＫ実験データの組合せによるニュートリノ質量とミキシングパラメータの制限

结合T2K和SK实验数据对中微子质量和混合参数的限制

基本信息

批准号：
14F04796
负责人：
MARTENS Kai
金额：
$ 1.47万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2017-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14F04796/
关键词：
Neutrino oscillations event classification statistical methods RJMCMC GPU CUDA infinite mixture model non-parametric model MCMC Sensitivity studies neutrino oscillation hyper-kamiokande study

项目摘要

Richard Calland has developed a new method for reconstructing neutrino interaction events in the Super-Kamiokande detector using graphics processing units (GPUs). The method tests the charge and arrival time likelihoods for different hypotheses of the event topology and particle kinematics. To find the maximum likelihood, Richard developed a novel trans-dimensional reversible jump Markov chain Monte Carlo algorithm. Given the large number of photo-multiplier tubes (PMTs) in Super-Kamiokande (~11,000), it was necessary to use GPUs to calculate the charge and arrival time likelihoods for each PMT at each step in the change. Using this research grant, Richard built a GPU cluster at Kavli IPMU to carry out his work. By using the 1000-2000 logical cores on each GPU, the calculation time could be improved by a factor of 50 compared to using CPUs. Richard also showed the improved ability of the reversible jump Markov chain Monte Carlo method to reconstruct event topologies with a large number of particles. His work will be applied to the reconstruction of multi-particle events that are critical for the determination of the neutrino mass ordering using atmospheric neutrino interactions in Super-Kamiokande. Richards was invited to present his work at the PhyStat-nu workshop on statistics and event classification methods in neutrino experiments in a talk titled, "Statistical Issues in Neutrino Event Reconstruction.

Richard Calland 开发了一种使用图形处理单元 (GPU) 重建 Super-Kamiokande 探测器中中微子相互作用事件的新方法。该方法测试事件拓扑和粒子运动学的不同假设的电荷和到达时间可能性。为了找到最大似然，Richard 开发了一种新颖的跨维可逆跳跃马尔可夫链蒙特卡罗算法。鉴于 Super-Kamiokande 中有大量光电倍增管 (PMT)（约 11,000 个），因此有必要使用 GPU 来计算每个 PMT 在变化的每个步骤中的电荷和到达时间可能性。 Richard 利用这笔研究经费在 Kavli IPMU 构建了一个 GPU 集群来开展他的工作。通过在每个 GPU 上使用 1000-2000 个逻辑核心，与使用 CPU 相比，计算时间可以缩短 50 倍。 Richard还展示了可逆跳跃马尔可夫链蒙特卡罗方法在重建具有大量粒子的事件拓扑方面的改进能力。他的工作将应用于重建多粒子事件，这对于利用超级神冈探测器中的大气中微子相互作用来确定中微子质量排序至关重要。理查兹受邀在 PhyStat-nu 研讨会上发表题为“中微子事件重建中的统计问题”的演讲，介绍他在中微子实验中的统计和事件分类方法方面的工作。