Powered by Indico
v3.2.7
핵·입자물리 분야 슈퍼컴퓨팅 활용 거대문제 연구를 발굴하기 위하여 고에너지물리 거대컴퓨팅 및 머신러닝 관련 연구자들이 참석하여 포럼을 개최한다. 또한, 요사이 핫 이슈가 되고 있는 암흑물질에 관하여 현재 진행사항과 향후 전망에 대하여 논의한다.
핵물리 연구에서 가장 중요한 점은 핵의 구조 문제이다. 수십 및 수백에 이르는 핵자들이 모여 있는 핵은 양자다체계의 전형적인 모습이다. 이는 응집물리에서 무한대에 이르는 양자다체계와 그 궤를 달리하고 있다. 통계적인 방법을 사용할 수 없으며, Isospin 이라는 여분의 자유도를 가지고 있다. 이들 연구를 위하여 사용되는 여러 모델의 연구는 그 계산에 막대한 컴퓨터 자원을 사용해야 하는 상황이다. 기계학습을 사용하여 관련된 핵의 질량을 연구하고, 이 연구의 실증적인 연구를 위하여 양자컴퓨터를 사용하는 연구 그룹이 증가하고 있는 상황이다. 특히 본 발표에서는 양자컴퓨터 중에 Quantum Annealer를 사용하여, 양자다체계에서의 최소에너지 즉 핵의 질량을 구하는 방법에 대한 최근의 연구 결과를 소개하고자 한다. 더불어 Ising model을 이용하여, 다체계의 상호작용을 연구하는 여러 연구 경향들도 소개하고자 한다.
Predicting the axion mass or the axion decay constant in post-inflationary scenario is perhaps one of the most important task in the QCD axion cosmology, and currently it is an active research area. It will have a large impact on the current/future axion particle search programs and also in establishing a late time QCD cosmology. In this work, we will report a new scaling solution that has not been discussed in literature.
We derive the characteristic scales for physical quantities of observed galaxies, such as mass, size, acceleration, and angular momentum, within the self-interacting ultralight dark matter (ULDM) model. Due to the small mass of ULDM, even minor self-interactions can drastically alter these scales. We suggest that these characteristic scales are connected to certain mysteries of observed galaxies and may resolve the tension present in the fuzzy dark matter model. Additionally, we discuss numerical simulations of self-interacting ULDM.
We explore extensive N-body simulations with two-component cold dark matter candidates. We delve into the temperature evolution, power spectrum, density perturbation, and maximum circular velocity functions. We find that the substantial mass difference between the two species and the annihilation of the heavier components to the lighter ones effectively endow the latter with warm dark-matter-like behavior, taking advantage of all distinct features that warm dark matter candidates offer, without observational bounds on the warm dark matter mass. Moreover, we demonstrate that the two-component dark-matter model aligns well with observational data, providing valuable insights into where and how to search for the elusive dark-matter candidates in terrestrial experiments.
입자물리학과 우주론의 미해결 문제들인 우주에 존재하는 것으로 추정되는 암흑물질과 우주에서 관측되는 물질과 반물질 비대칭의 원인을 하나의 모형에서 설명될 수 있음을 제안하고 구체적인 모형과 그 모형으로부터 물질-반물질 비대칭을 구현하게 하는 baryogenesis가 어떻게 작동하는지를 설명하고 동시에 암흑물질 후보 입자의 산란 과정이 baryogenesis에 어떻게 기여하는지를 설명한다.
수치 분석을 통해 관측된 암흑물질의 밀도와 물질-반물질 비대칭 측정값이 동시에 설명될 수 있음을 구체적으로 보인다.
암흑광자는 산란단면적이 작으므로 신호사건을 탐색하기 위해서는 방대한 양의 데이터와 효과적인 배경사건 제거가 필요하다. 본 연구에서는 고성능 컴퓨팅을 활용하여 대규모 모의시늉 데이터를 생산하고 처리하며 기계학습을 활용하여 배경사건을 효과적으로 제거한다. 미래 전자-양전자 충돌실험인 Circular Electron-Positron Collider (CEPC), Future Circular Collider (FCC)-ee, International Linear Collider (ILC)에서 이중암흑광자모드(e+e- → A’A’ 과 e+e- → A’A’γ)에서 효과적으로 표준모형 배경사건을 제거하는 결과를 보여준다, 본 연구의 결과는 미래 실험에서 암흑광자를 탐색하는데 참고자료가 될 것이며, 현재 진행 중인 Belle II 실험과 BESIII 실험에서 암흑광자 탐색에 도움을 줄 수 있을 것이다.
핵 및 입자물리학은 우리가 살고 있는 우주를 구성하는 기본 입자들과 그들 간의 상호작용에 대해 연구하는 물리학 분야로 초기 우주의 높은 에너지 상태를 기반으로 연구하기 때문에 고에너지 물리학이라고도 부른다. 고에너지 물리학 분야 중 대형 가속기를 이용한 충돌 실험은 고에너지 상태에서 입자들이 충돌한 후 생성된 입자들을 추적하기 위해 대형 검출기를 필요로 한다. 고에너지물리학에서 사용되는 검출기는 복잡한 구조를 가진 여러 하위시스템이 결합된 형태로 구성되는데 이러한 시스템은 검출 목적에 따라 사용되는 기술과 물질에 따라 분류된다. 예를 들면 반도체 기반의 검출기, 가스 검출기, 열량계 검출기, 액체 기반 검출기 등이 있다. 본 발표에서는 전 세계적으로 논의되고 있는 차세대 가속기 충돌실험에 사용될 최첨단 검출기 기술에 인공지능 기술이 어떻게 적용되고 활용되는지 소개하고 한국 연구팀이 수행하고 있는 인공지능과 결합한 차세대 검출기 연구 현황 및 향후 계획에 대해 논의한다.
Belle II 실험은 일본 KEK 연구소의 SuperKEKB 충돌기를 사용하여 전자와 양전자를 10,58 GeV 질량중심계 에너지에서 충돌하고 이 결과를 Belle II 검출기로 기록하여 얻어진 데이터를 분석하는 입자물리 실험이다. 이 실험에서는 자연계의 CP 대칭성 깨짐 및 flavor 구조를 밝히는 것을 주목적으로 한다. 한편, 입자물리 표준모형의 한계로 여겨지는 암흑물질 및 암흑섹터에 관한 탐색도 Belle II 실험의 주요 연구 주제이다. 이 강연에서는 Belle II 실험의 데이터를 분석하여 암흑섹터 탐색 및 관련 주제에 관한 최근 연구 결과를 발표한다.
Belle II 실험 데이터는 일반적인 입자 충돌 실험의 데이터와 유사하게 데이터의 양이 매우 많고 분석 변수가 다양한 big-data의 성질을 띠고 있기에 기계학습 등 다양한 분석 방법과 통계적 해석을 필요로 한다. 이 강연에서는 이러한 면들도 함께 다룰 예정이다.
We study B0 → l τ decay that contains lepton-flavor-violation. This decay is generally forbidden by the Standard Model. So its existence would be a evidence of the ‘New Physics’. Simulated samples based on Belle detector of KEKB electron-positron collider were used for this analysis. An Upsilon(4S) meson, created by an 8 GeV electron and 3.5 GeV positron collision, decays into two B mesons. In this study, we regard the one B meson as a signal which is decaying with lepton and τ. The other B is reconstructed to semileptonic B meson by using Full Event Interpretation (FEI) method, which is to reconstruct particles in the event automatically to construct ‘other’ B meson with boosted decision tree (BDT) method. The background events are suppressed by machine learning training of quality control variables. The MC upper limit is estimated after machine learning study.
The efficient collection of high quality data sets at the High Luminosity LHC (HL-LHC) will be a challenge in the high pileup environment of 200 proton-proton collisions per beam crossing. To cope with the large size of the HL-LHC dataset, the phase-2 upgrade of the Level-1 (L1) trigger system on the CMS experiment is essential. We present results on MET regression using machine learning techniques for the CMS Phase 2 Level 1 trigger. The missing transverse energy (MET) is calculated based on the PF and PUPPI algorithms for the L1 correlator trigger. The MET is one of the key parameters to search for new physics including dark matter at the CMS experiment. The goal of this study is to improve the MET based on the PF and PUPPI algorithms using the machine learning method. In this talk, the performance of the L1 MET trigger using machine learning techniques and FPGA hardware implementation based on Xinix HLS4ML framework will be presented.
우주를 구성하는 물질의 기본 입자들 사이의 힘은 게이지 보존을 매개로 하여 작용한다. 표준모형에서 예측하는 강력, 약력과 전자기력을 매개하는 게이지 보존의 질량과 결합 상수 등은 지금까지 매우 정밀하게 측정되었으며, 힉스입자의 발견과 함께 표준모형의 완성에 한 축을 이루고 있다. 현재 Large Hadron Collider(LHC)과 같은 가속기 실험에서도 여전히 정밀 측정을 통하여 표준모형을 검증하고 있고, 또한 높은 에너지와 휘도에 의하여 게이지보존의 다중 결합의 연구가 활발히 진행되고 있으며, 새로운 힘을 매개하는 게에지 보존 탐색도 진행 중이다. LHC의 CMS 실험 그룹이 획득한 데이터를 분석하여 수행한 게이지 보존의 연구 결과와 새로운 게이지 보존의 탐색 결과를 정리하여 발표한다.
We introduce a Transformer-based regression model for estimating missing transverse momentum (MET) at hadron colliders. MET represents an imbalance in the vector sum of transverse momenta for all reconstructed particles and serves as a proxy for invisible particles such as neutrinos and dark matter candidates. The deep learning model takes all reconstructed particles as input and directly performs regression on MET components. This model must capture the complex relationship among the many particles to infer the genuine MET originating from invisible particles. This is necessary because pileup particles and non-perfect detector responses can contaminate the momentum imbalance in a reconstructed event. Thus, the model deploys the Transformer's attention mechanism, enabling the extraction of long-range dependencies among particles. In this presentation, we will showcase the results of applying the Transformer-based model to the Monte Carlo simulation of top quark pair production in the dilepton channel in pp collisions.
SHiP (Searching for Hidden Particles) 실험은 유럽핵물리연구소(CERN) SPS 400GeV 의 빔에서 나온 의 양성자 빔을 이용하여 표적에 충돌 시킨 후 생성되는 중성미자나 암흑입자를 측정하고자 하는 실험이다. 특히 에너지가 높아서 타우중성미자가 많이 발생되며 이를 이용한 통계적인 실험이 가능해지게 된다 이. 사실을 이용하여 우리는 여분의 중성미자를 높은 에너지의 중성미자와의 진동을 통하여 찾아내고자 하는 가능성을 연구하였으며 그 결과를 발표하고자 한다.
SND@LHC와 SHiP 실험의 특징은 원자핵건판들과 텅스텐 판들을 교대로 적층한 ECC(Emulsion Cloud Chamber)와 그 뒤쪽에 뮤온 검출기를 복합한 SND(Scattering and Neutrino Detector)를 사용한다는 점이다. 이것을 사용하면 세 종류의 중성미자들을 모두 검출할 수 있을 뿐 아니라 입자들의 운동량을 측정할 수 있으며, 매우 정밀한 비적 검출기 역할도 할 수 있다. SND@LHC 실험은 LHC p-p 충돌점으로 부터 480 m 떨어진 곳에 SND를 설치하여 전방 방향으로 방출되는 초고에너지 collider 중성미자들을 연구하는 반면에, SHiP 실험은 SPS 400 GeV 양성자 빔을 사용하여 수많은 중성미자들(약 20,000개의 )을 검출하고자 하는 intensity frontier 실험이다. 또한 가벼운 암흑물질 입자들도 탐색할 계획으로 있다. 이 실험들에서 중성미자 반응들을 검출하는 방법과 현재 진행 상황에 대해서 소개하고자 한다.
Wire-Cell은 DUNE LArTPC 시그널 프로세싱과 이벤트 재구성을 처리하는 소프트웨어로서, BNL EDG에서 개발하였다. digitized TPC waveform을 전극판에 도달하는 이온화전자들의 분포로 재구성해야 한다. “2D deconvolution”이라는 방법을 쓰기도 하고, 최근에는 신경망을 사용하여 관심 있는 검출 영역을 분류하여 시그널 프로세싱을 개선하였다.
LArTPC에서 3차원 중성미자 이벤트를 재구성하는 문제를 풀기위해 개발된 혁신적인 단층촬영법 이벤트 재구성 방식이라고 할 수 있다. WC의 원리는 LArTPC의 원리를 그대로 따라서 전극판의 이온화 전자의 수집하고 시간과 전하량 이용하여 이벤트 토모그래피를 얻을 수 있다. 클러스터링, 트래킹, PID(Particle Id) 등의 과정이 재구성 단계에 포함되어 3차원 이미지를 만드는 과정을 수행한다.