2 分で読了
0 views

レプトン・ジェット相関を用いた核内トモグラフィーの新展開

(Lepton-jet Correlations in Deep Inelastic Scattering at the Electron-Ion Collider)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近若手から「EICでレプトンとジェットの相関を見れば核の中が分かるらしい」と聞きまして。正直、何をどう測ればいいのか、そしてうちのような現場で役に立つのかが見当つかないのです。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、順を追って説明しますよ。まず結論だけを3点で述べますと、1)レプトンとジェットの角度差が内部の運動情報を直接反映すること、2)それが核や核物質で変わるのでトモグラフィー(断面を調べる技術)になること、3)実験条件を整えれば感度良く測れる、ということです。一緒にやれば必ずできますよ。

田中専務

なるほど。要するに観測するのは「レプトンとジェットの角度差」だけでいいのですか。それで内部の情報が取れるとは、にわかに信じがたいのですが。

AIメンター拓海

ですよね。ここで重要なのが、Transverse Momentum Dependent (TMD)(横方向運動量依存分布)という概念で、簡単に言えば粒子の横向きの動きを表す分布です。このTMDがレプトン–ジェット間の角度のずれに反映されるので、それを読めば内部が分かるんです。説明を三段階に分けていきますよ。

田中専務

三段階ですか。まず第一に経営的に気になるのはコストや実装の容易さです。EICなど大きな加速器での実験はうちのような企業には遠い話ですが、現場に還元できる知見が得られるという理解でいいですか。

AIメンター拓海

良い質問です。研究から直接的に工場のライン改善へ即結びつくわけではないですが、得られるのは「材料内部の運動・散乱特性」という基礎データであり、これを材料評価や放射線影響評価などと組み合わせれば応用可能です。ポイントは、1)基礎知見、2)測定手法の移植性、3)産業上の指標への翻訳、の三つです。

田中専務

三つのポイント、了解しました。ところで技術面で特に注目すべき点は何でしょうか。専門的にはSivers function(Sivers function、スイバーズ関数)という単語も出てきたと聞いていますが、これも現場目線での意義がわかりません。

AIメンター拓海

専門用語も身近な例で説明します。Sivers function(Sivers function、スイバーズ関数)は、粒子の中で偏った横向き運動があるかを表す指標で、たとえば偏った流れがあるかどうかを示す「内部の流れのクセ」のようなものです。ビジネスで言えば材料の内部品質のばらつきを表す指標に相当します。要点を3つにまとめると、1)感度の良さ、2)スピン依存性などで分離できる情報、3)核と単体核子での差が取れる点です。

田中専務

これって要するに、観測された角度のずれを読み取れば核や材料の中でどんな乱れや広がりがあるかが分かるということ?そうであれば、それを産業指標に落とし込む作業がキモになりそうですね。

AIメンター拓海

その通りです。大丈夫、一緒にやれば必ずできますよ。最後に実務目線の行動指針を三つ。1)まずは概念実証(小さなデータ実験)を行う、2)基礎データを既存の材料評価指標にマッピングする、3)外部の研究成果を継続的に取り込む。これだけ抑えれば、投資対効果の説明が可能になりますよ。

田中専務

わかりました。では私の言葉で確認します。要はレプトンとジェットの角度差を指標に、そのずれの大きさやパターンを使って材料や核の内部の『運動のクセ』を測り、それを工場の評価指標に変換する流れですね。さっそく若手と相談して小さな実験を検討します。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
収入データの信頼性評価と階層相関再構築
(Credibility evaluation of income data with hierarchical correlation reconstruction)
次の記事
絵画の作家・様式・ジャンルを同時に分類する深層マルチブランチネットワーク
(Multitask Painting Categorization by Deep Multibranch Neural Network)
関連記事
パーミュート・アンド・フリップ
(Permute-and-Flip)デコーダの最適な安定性とウォーターマーク性(PERMUTE-AND-FLIP: AN OPTIMALLY STABLE AND WATERMARKABLE DECODER FOR LLMs)
CAPSULE-FORENSICSによる偽造画像・動画検出
(CAPSULE-FORENSICS: USING CAPSULE NETWORKS TO DETECT FORGED IMAGES AND VIDEOS)
多価値機械学習ディポーラルモデルによる液体・固体の電場駆動核ダイナミクス
(Electric-Field Driven Nuclear Dynamics of Liquids and Solids from a Multi-Valued Machine-Learned Dipolar Model)
公開研究の再現性を推定するハイブリッド予測市場プロトタイプ
(A prototype hybrid prediction market for estimating replicability of published work)
縦断
(ロングチューディナル)データのGANによる補完──分類への課題と示唆(Imputation of Longitudinal Data Using GANs: Challenges and Implications for Classification)
Zero-Shot Offline Imitation Learning via Optimal Transport
(最適輸送によるゼロショット・オフライン模倣学習)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む