文献

J-GLOBAL ID：202202272790132731   整理番号：22A0956957

機械学習による直接検出データにおける暗黒物質探索への半教師つきアプローチ【JST・京大機械翻訳】

A semi-supervised approach to dark matter searches in direct detection data with machine learning

著者 (3件)： Herrero-Garcia Juan (Departamento de Fisica Teorica and IFIC, Universidad de Valencia-CSIC, C/ Catedratico Jose Beltran, 2, E-46980 Paterna, Spain) ,  Patrick Riley (ARC Centre of Excellence for Dark Matter Particle Physics, Department of Physics, University of Adelaide, Adelaide, South Australia 5005, Australia) ,  Scaffidi Andre (Istituto Nazionale di Fisica Nucleare, Sezione di Torino, via P. Giuria 1, I-10125 Torino, Italy)
資料名： Journal of Cosmology and Astroparticle Physics  (Journal of Cosmology and Astroparticle Physics)
巻： 2022  号： 2  ページ： 039 (20pp)  発行年： 2022年 
JST資料番号： W5561A  ISSN： 1475-7516  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： 暗黒物質セクターは完全には知られていない。したがって,その性質と可能な相互作用に関して,未解決の留意点を保つことが重要である。本研究では,Weakly Interactive Massive Particleの例に焦点を当てて,この一般的な philosophy学を,暗黒物質直接検出に現代の機械学習技術を適用することにより,より具体的なものにした。畳み込み変分オートエンコーダを用いたXENONnT実験におけるバックグラウンドイベントのグラフィカル表現を符号化し,復号化することによりこれを行う。畳み込み変分オートエンコーダの再構成損失と事前訓練標準畳み込みニューラルネットワーク,半教師つき方式での「異常スコア」を利用する方法論を述べた。実際,教師なしおよび教師つき異常スコアが一緒に考慮されるときのみ,最適結果が得られることを観測した。異常スコアの高い割合を持つデータセットは異常であり,さらなる調査に値する。古典的解析とは対照的に,原理的に,事象に関するすべての情報を用いて,不必要な情報損失を防ぐ。最後に,古典的推論との結果の比較により,この文脈における学習焦点異常検出の到達を示し,適切に調整すれば,これらの技法が尤度ベース手法よりも性能が優れていることを示した。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： 相互作用 ,  畳込み ,  変分法 ,  *学習 ,  復号化 ,  再構成 ,  *暗黒物質 ,  *機械学習
準シソーラス用語： 尤度 ,  異常検出 ,  機械学習技術 ,  畳込みニューラルネットワーク ,  自己符号化器 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  仮説粒子とその他の素粒子  (BF04050V)

タイトルに関連する用語 (5件)： 機械学習 ,  検出データ ,  暗黒物質 ,  探索 ,  教師