WEP011 　ポスター①　 7月31日 1F大会議室 13:00-15:00

機械学習によりAVFサイクロトロンの最適なパラメーターの探索

Optimizing avf cyclotron parameters through machine learning

○井村 友紀，福田 光宏，依田 哲彦，神田 浩樹，齋藤 高嶺，田村 仁志，安田 裕介，荘 浚謙，ZHAO HANG，松井 昇大朗，Ahsani Hafizhu Shali，渡辺 薰，石畑 翔，板倉 菜美（核物理研究センター）

○Tomoki Imura, Mitsuhiro Fukuda, Tetsuhiko Yorita, Hiroki Kanda, Takane Saito, Hitoshi Tamura, Yusuke Yasuda, Tsun Him Chong, Hang Zhao, Shotaro Matsui, Shali Ahsani Hafizhu, Kaoru Watanabe, Sho Ishihata, Nami Itakura (RCNP)

加速器技術は、原子核・素粒子分野の発展を支え、新たな物理現象の探索実験に不可欠である。さらに、医療分野でがん治療やがん検査用ラジオアイソトープの生成、使用済核燃料廃棄物を減容するためのADS核変換技術など、応用分野においても加速器への期待が高まっている。中性子生成、μ粒子生成、ラジオアイソトープ生成の効率化に大強度ビームが求められている。AVFサイクロトロンでの大強度加速を目指す場合、空間電荷効果の取り扱いが問題となる。ビームの軌道を解析的に求めるのが困難なため、シミュレーションを実施した。本研究のシミュレーションは空間電荷効果を含むParticle in Cell計算コードのOPAL-cyclを使用し、1個のメインコイルと16個のトリムコイル、合計17個の磁石の最適な電流値による大強度加速を目指した。磁場パラメータの最適化は機械学習の一つの手法であるベイズ最適化により実施した。更にベイズ最適化の効率化と計算速度向上のために次元削減を検討した。この最適化の高速化は迅速な加速器制御においても重要である。講演ではAVFサイクロトロンのシミュレーションに対して機械学習を適用し最適なパラメータの探索状況について発表する。