文献

J-GLOBAL ID：201702246054501362   整理番号：17A1257329

深い学習を用いたニュートリノ相互作用のバーテックス再構成【Powered by NICT】

Vertex reconstruction of neutrino interactions using deep learning

著者 (5件)： Terwilliger Adam M. (Grand Valley State University, Allendale, MI, USA) ,  Perdue Gabriel N. (Fermi National Accelerator Laboratory, Batavia, IL, USA) ,  Isele David (University of Pennsylvania, Philadelphia, PA, USA) ,  Patton Robert M. (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Young Steven R. (Oak Ridge National Laboratory, Oak Ridge, TN, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 2275-2281  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習は多くの重要な科学的問題の理解を改善するための新しいツールを提供する。ニュートリノは存在中で最も豊富な粒子であり,我々の宇宙を支配する物質-反物質非対称性を説明するために仮定した。この推測の決定的試験は様々な核のニュートリノ相互作用の詳細な理解を必要とする。興味ある多くの測定は,バーテックス再構成に依存する 検出器からのデータを用いたニュートリノ相互作用の起源,画像として表現できるを発見した。伝統的に,これは相互作用からの飛跡を同定する方法を利用して達成した。しかし,これらの方法は豊度トラックとカスケードの頂点領域を閉塞する相互作用のための理想的ではない。これらの課題を扱うためにマニュアルアルゴリズム工学は複雑であり,誤り易いものである。深層学習は,生データからの豊富な,意味論的特徴を抽出する直接,この問題に対する有望な解決策である。本研究では,深層学習モデルは,ドメイン科学者より複雑な相互作用を探索する能力を改善するための意味のある領域におけるバーテックス位置を分類した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 非対称性 ,  *ニュートリノ ,  意味論 ,  検出器 ,  マニュアル ,  宇宙空間 ,  科学者 ,  画像 ,  *再構成 ,  反物質 ,  *相互作用
準シソーラス用語： 生データ ,  飛跡 ,  深層学習 ,  *ニュートリノ相互作用 , 【Automatic Indexing@JST】

分類 (2件)： 素粒子・核物理実験技術一般  (BE01010F) ,  ニュートリノ相互作用  (BF03030S)

タイトルに関連する用語 (4件)： 学習 ,  ニュートリノ相互作用 ,  バーテックス ,  再構成