AIが解く世界の難問 · 物理学 · arXiv · 2026-10-23
機械学習によるニュートリノ・原子核断面積 II：レプトンの種類の拡張
原題: Machine Learning Neutrino-Nucleus Cross Sections II: More Leptons
ニュートリノ振動実験に不可欠な原子核断面積は高精度なモデル化が難しく、ブラックボックス型のデータ駆動モデルは近距離と遠距離の検出器のフラックス間で一般化できないことが知られている。研究では、標準模型の対称性を組み込んだ構造関数パラメータ化の枠組みを、複数のレプトン種とニュートリノ・反ニュートリノのビームモードに拡張し、電子出現チャネルを含めて振動パラメータを同時に決定した。その結果、学習した断面積モデルは注入した振動パラメータを有意なバイアスなしに再現し、正確な断面積を使った場合に匹敵する制約が得られた。また、多チャネルの場合はフラックスの不確かさの影響が大きく、フラックスの擾乱パラメータを学習問題に組み込む必要があることが示された。