WEOA13 　加速器技術(加速構造)　 8月30日 13号館1325教室 16:40-17:00

ILC電子ドライブ陽電子源設計における機械学習を用いた全体最適化

Overall optimization using machine learning in the design of ILC electron-driven positron source

○黒口 俊平，栗木 雅夫，高橋 徹，田地野 浩希，リプタック ザカリー（広島大先進理工），浦川 順治，榎本 嘉範，大森 恒彦，福田 将史，森川 祐，横谷 馨（高エネ研）

○Shunpei Kuroguchi, Masao Kuriki, Tohru Takahashi, Hiroki Tajino, Zachary Liptak (Hiroshima Univ. ADSE), Junji Urakawa, Yoshinori Enomoto, Tunehiko Oomori, Masafumi Fukuda, Yu Morikawa, Kaoru Yokoya (KEK)

本研究では、ILC（国際リニアコライダー）の電子ドライブ陽電子源の設計において、機械学習を用いてその効率化を図るとともに、より高い陽電子捕獲率の実現を行う。ILCは、重心系エネルギーが250 GeVから1 TeVまでの線形加速器を使用した電子・陽電子コライダーである。ILCでは、リニアコライダーの特性上、ビームの再利用ができず、必要な粒子の時間あたりの生成数がリング型のコライダーに比べて桁違いに大きい。そのため、標的を破壊せずに必要な陽電子を生成するために、陽電子捕獲率の向上が本質的に重要である。現在、本設計にはGEANT4、GPT、SADを用いて粒子の生成やトラッキングを行っているが、本研究では、これらの物理シミュレーションの結果をサンプリングし、機械学習を用いてサロゲートモデルを作成することで設計の効率化を図る。サロゲートモデルを利用することで、計算コストを削減しながら詳細な粒子加速器のシミュレーションが可能となり、より効率的に精度の高い最適化が可能となる。本発表では、この取り組みの現状報告を行う。