加速器・ビーム物理の機械学習ワークショップ2025

Session

Session C

8 Dec 2025, 13:15

3F (Tokai Mirai Base)

Conveners

Session C

• Takahiro Nishi

6. 3次元らせんビーム入射の実現に向けた機械学習の活用検討

Shinji OGAWA

08/12/2025, 13:15

J-PARC muon g-2/EDM実験ではコンパクトな蓄積軌道にビームを入射するため、3次元らせんビーム入射という新しいビーム入射手法を開発している。この方法は入射途中に強いXY結合に加えて縦方向への微小な結合と微小な非線形性を有する複雑なビーム力学系を有している。この様な系を理解し設計・制御するため、様々な効果を含む転送写像をニューラルネットワークとみなすことで機械学習の文脈を活用できないか検討し始めた。本講演では、検討の状況について報告する。

7. 微弱放射光二次元画像からの特徴量抽出の試み

Yuya Asai

08/12/2025, 13:35

光が粒子性と波動性を併せ持つことは広く知られており、放射光もこの二重性を有する。例えば、放射光蓄積リングにおける電子バンチが空間的・エネルギー的広がりを持つのは、それぞれの電子が偏向磁石中で放射光を粒として放出し、これが確率的に生じることに起因している。その一方、放射光は波の性質を有することは様々な干渉実験で示されている。今日、情報・通信技術から計測技術まで様々な分野で量子力学を基礎とする革新的技術の開発が進められている。我々は、放射光の量子性に着目し、その計測・センシング技術への応用可能性を探りたいと考えている。そのためには、光子一つひとつの量子論的な性質を調べることが基礎研究として重要である。私たちの研究グループでは、蓄積リング中に電子を一つだけ蓄積するようにした単一電子蓄積と呼ばれる技術を用いて、電子から光子が高々一つしか放出されない条件で実験を行い、放射光の量子論的特性を調べ...

8. グラフニューラルネットワークと説明可能AIを用いた KEK電子陽電子入射器のモデル構築と重要パラメータ推定

Kosuke Uemura

08/12/2025, 13:55

本研究では、グラフニューラルネットワーク（Graph Neural Network, GNN）および説明可能AI（Explainable AI, XAI）を用いて、KEK電子陽電子入射器の調整性能向上に寄与する重要パラメータの推定を行った。本研究の目的は、複雑な加速器運転調整機構を理解し、ビーム透過率の向上およびエネルギー損失の低減を実現することである。先行研究では、多層パーセプトロン（Multi-Layer Perceptron, MLP）を用いて入射効率やエネルギー損失を予測し、XAIにより重要度の高いパラメータを推定した。しかし、MLPを基本としたモデルでは、入力パラメータ数が約1000を超えると過学習が生じ、予測精度が低下するという課題があった。本研究では、この問題を回避し、構成要素が多い大型加速器制御でも機械学習の適用を可能にするため、GNNを用いた...

9. 決定木を用いたKEK電子陽電子入射器のビーム解析とビームの自動調整

Taichi Sakai

08/12/2025, 14:15