並列タイトル等Application of Machine Learning and Visualization of Evidence for Cosmic-Ray Antiparticle Identification
タイトル（掲載誌）宇宙航空研究開発機構研究開発報告: 宇宙科学情報解析論文誌: 第11号 = JAXA Research and Development Report: Journal of Space Science Informatics Japan: Volume 11
一般注記GAPS（General AntiParticle Spectrometer）は宇宙線反粒子の高感度観測によって暗黒物質を起源とする反重陽子の探索を目指す気球実験計画である．GAPS では，高い識別率や正確性が求められる宇宙線反粒子識別に対して機械学習の活用が検討されている．先行研究では，三次元のCNN（畳み込みニューラルネットワーク）モデルに用いることで，反粒子の入射角と入射位置を固定した限定的な条件下でのシミュレーションデータに対して高い識別精度が確認されている．本研究では機械学習の高い精度の識別における要因の分析によって識別の説明性を求めるため，CNN モデルが識別において注視している部分を可視化し，誤って識別したケースを分析した．
The General AntiParticle Spectrometer (GAPS) aims to search for antideuterons originating from dark matter through highly sensitive observation of cosmic ray antiparticles. In GAPS, the use of machine learning is being considered for cosmic ray antiparticle identification, which requires high rejection power and identification accuracy. In a previous study, a three-dimensional convolutional neural network (CNN) model was used to achieve high rejection power for simulated data under limited conditions where the incident angle and position of the antiparticle are fixed. In this study, in order to seek the explanatory power of discrimination by analyzing the factors that contribute to the high accuracy of machine learning, the parts that the CNN model focuses on in discrimination are visualized, and the cases of incorrect discrimination are analyzed.
形態: カラー図版あり
Physical characteristics: Original contains color illustrations
資料番号: AA2130033004
レポート番号: JAXA-RR-21-008
連携機関・データベース国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
提供元機関・データベース宇宙航空研究開発機構 : 宇宙航空研究開発機構リポジトリ