KamNet:KamLAND-Zenにおける希少イベント探索のための統合時空間深層ニューラルネットワーク【JST・京大機械翻訳】

Li A.; Fu Z.; Winslow L.; Grant C.; Song H.; Ozaki H.; Shimizu I.; Takeuchi A.

プレプリント

J-GLOBAL ID：202202217995961036 整理番号：22P0298520

KamNet:KamLAND-Zenにおける希少イベント探索のための統合時空間深層ニューラルネットワーク【JST・京大機械翻訳】

KamNet: An Integrated Spatiotemporal Deep Neural Network for Rare Event Search in KamLAND-Zen

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年07月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

希少事象探索は,特殊化した大規模検出器をレバージすることによって,他の手段でアクセスできないエネルギースケールでの新しい物理学の探索を可能にする。機械学習は,これらの検出器によって提供される情報を最大化するための新しいツールを提供する。情報はスパースであり,これらのアルゴリズムを最低レベルデータから開始し,検出器の全ての対称性を利用して結果を生成する。本研究では,ニュートリノレス二重ベータ崩壊(0νββ)を探索するキロトンスケール球状液体シンチレータ検出器であるKamLAND-Zenの物理到達を最大化するために,幾何学的深層学習と時空間データ解析におけるブレークスルーを利用するKamNetを提示した。KamLANDの簡易背景モデルを用いて,KamNetは,ロバスト性のレベル増加によるMCシミュレーションのベンチマークにおいて,従来のCNNより優れていることを示した。次に,シミュレーションデータを用いて,KamNetの能力を実証し,KamLAND-Zenの感度を0νββおよび0νββに対して励起状態に増加させた。本研究の重要な構成要素は,背景排除のために基礎となる物理KamNetを解明するための注意機構の追加である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

レプトン , ベータ崩壊

, , , ,

前のページに戻る