毎年秋に開催されている日本物理学会では、大会における若手（正会員のうちの大学院生または学生会員）の優秀な発表を奨励し大会をより活性化するため、「学生優秀発表賞（素粒子実験領域）」が2020年度より設けられました。
本センターでは、各研究室所属の修士課程・博士課程の大学院生20名以上が毎回参加し、ATLAS実験・MEG実験・ILC実験・量子AI等での最新の研究成果をプレゼン資料に纏めて、素粒子実験領域の全研究者の前で発表しています。
このたび、大谷研究室博士課程1年の榊原澪氏は、機械学習を活用したMEG IIキセノン検出器のパイルアップ解析について発表し、学生優秀発表賞を受賞しました。

対象発表

機械学習を用いたMEG IIキセノン検出器におけるパイルアップ解析　発表資料

受賞に繋がった研究内容

レプトンフレーバーを破るミュー粒子の稀崩壊現象μ→eγは、素粒子の標準模型において事実上禁止されており、未だ観測されていません。一方で、多くの新物理模型は、この崩壊が観測可能な頻度で生じることを予言しています。MEG II実験はこの稀崩壊探索を目的とした国際共同実験であり、今年9月に物理データの取得を完了しました。
MEG II実験では、大統計データを取得するためにポールシェラー研究所（PSI）の高強度の直流ミューオンビーム（毎秒5×10⁷個）を利用しており、それに伴い、複数の粒子が検出器にほぼ同時に入射するパイルアップ事象が頻繁に発生します。パイルアップは背景事象の増加や測定精度の低下につながるため、これを精密に識別・解析することが、実験感度を高めるうえで重要な課題となっています。
私は今年の年次大会で、MEG II実験の液体キセノン光子検出器におけるパイルアップ解析に機械学習モデルを導入し、解析精度の向上を図った取り組みに関する報告を行いました。本研究は、実データ駆動学習によってシミュレーションとのギャップを克服するとともに、物体検出の手法を検出器の波形・信号解析に応用しました。さらに、従来手法では十分に除去できなかったパイルアップ事象を高精度に識別・分離し、探索感度の向上につながる性能を実現しました。こうした機械学習手法としての新規性と、物理解析の性能向上に直結する実用性の両面で高く評価され、大きな関心を集めました。

感想と今後の抱負

このたびは、素晴らしい賞をいただくことができ、大変嬉しく思います。本研究は、日頃のミーティングで活発に議論を交わしてくださる研究室の皆様や、検出器の安定運用により質の高い物理ータを最後まで取得してくださったMEG IIコラボレーションの方々をはじめ、多くの方々の支えがあって結実したものであり、心より感謝申し上げます。
MEG II実験で取得した貴重なデータから最大限の高い感度を引き出し、μ→eγの発見へとつなげられるよう、今後も事象再構成や物理解析手法のさらなる改善に取り組んでいきたいと思います。

関連リンク

日本物理学会学生優秀発表賞（関連サイト）