文献

J-GLOBAL ID：202102263233635656   整理番号：21A0165348

軌道選択基準最適化のための機械学習技術【JST・京大機械翻訳】

Machine learning techniques for optimisation of track selection criteria

著者 (3件)： Altsybeev Igor (Saint-Petersburg State University, Universitetskaya nab. 7/9, St. Petersburg, 199034, Russia) ,  Andronov Evgeny (Saint-Petersburg State University, Universitetskaya nab. 7/9, St. Petersburg, 199034, Russia) ,  Prokhorova Daria (Saint-Petersburg State University, Universitetskaya nab. 7/9, St. Petersburg, 199034, Russia)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1690  号： 1  ページ： 012119 (4pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 高エネルギー物理学における機械学習(ML)アルゴリズムの応用は急速に発展している。特に,それらはハドロン衝突に関する実験データの解析におけるトラック選択基準の最適化に使用できる。モンテカルロシミュレーションを用いて,1つは,TPCにおける多数のクラスタ,相互作用頂点に対する最も近いアプローチの距離などの特徴に基づいて,二次および偽トラックから正しく再構成された一次トラックを分離するために,ML分類器を訓練できる。本論文では,ML技術に基づくトラック選択最適化の手順を提示し,新オフラインフレームワークにより得られた陽子-プロトン相互作用のEPOS1.99シミュレーションに適用した。このアプローチにより,選択した一次トラックの割合の増加と二次トラックによる汚染の低減が得られた。NA61/SHINEのような実験施設の複雑な形状の場合,トラック選択の改善も運動学的受容の拡大をもたらす。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  シミュレーション ,  相互作用 ,  ハドロン ,  陽子 ,  計算機シミュレーション ,  選択基準 ,  再構成 ,  クラスタ ,  *機械学習
準シソーラス用語： モンテカルロシミュレーション ,  高エネルギー物理学 ,  *機械学習技術 ,  実験施設 , 【Automatic Indexing@JST】

分類 (5件)： 航空交通管制・航法施設  (TE01030T) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  予防医学一般  (GB01010B) ,  パターン認識  (JE07000S) ,  運転者  (TB01040V)

タイトルに関連する用語 (4件)： 軌道 ,  選択基準 ,  最適化 ,  機械学習技術