AIが解く世界の難問 · 物理学 · Nature Machine Intelligence · 2026-09-30
エネルギーフロンティアのニュートリノ検出器向け基盤モデル的手法：自己教師あり事前学習
原題: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
加速器によるニュートリノ実験のエネルギーフロンティア領域では、検出器上に密で重なり合った信号が生じ、従来の再構成は実用的でなく、ラベル付きデータが少ない場合は教師あり学習も難しかった。研究では、疎なVision Transformerによる枠組みを用い、マスク付きオートエンコーダによる再構成と関係的なボクセル単位の目的関数で自己教師あり事前学習を行った後、分類と回帰のタスクで共同微調整した。提案されたFASERCAL検出器のシミュレーションイベントで、ニュートリノの種類判定、チャームクォーク識別、運動量回帰、頂点再構成が改善し、約1000個のラベル付きイベントでは、事前学習済みエンコーダがスクラッチ学習モデルのフレーバー分類性能に匹敵した。