000002469 001__ 2469
000002469 005__ 20210626003618.0
000002469 037__ $$aBELLE2-MTHESIS-2021-023
000002469 041__ $$ajp
000002469 100__ $$aHayate Joan
000002469 245__ $$aR&D of the KEK Linac accelerator tuning using machine learning
000002469 260__ $$aOsaka$$bOsaka City University$$c2020
000002469 300__ $$a57
000002469 500__ $$aPresented on 06 02 2020
000002469 502__ $$aMSc$$bOsaka, Osaka City University$$c2020
000002469 520__ $$a本研究では、高エネルギー加速器研究機構（KEK) における電子・陽電子入射器Linac の加速器運転調整システムの開発を行った。具体的には、機械学習を用いた加速管のRF 位相調整及び、ビーム位置補正のためのステアリング電磁石の調整のための基礎開発を行った。開発を行うために、Linac 加速器運転データを収集し、そのデータを用いて加速器運転パラメータの最適化手法を開発を行った。Linac加速器運転では、加速器を構成する数千点の機器パラメータを制御している。温度変化、振動等、環境の影響を受けて運転状況が変わるため、運転パラメータを常時調整している。運転調整の最適化、高速化を行い、入射効率を向上させるために、本研究では、機械学習を用いた運転パラメータ調整方法を開発した。機械学習は、複数のパラメータ同士の複雑なパターン認識を得意とするため、加速器運転調整に適用させることで調整時間の高速化や調整性能の向上、安定化が期待できると考えられる。本研究では、機械学習の中でもニューラルネットワークを使用した教師あり学習に注目した。ニューラルネットワークを使用した教師あり学習を用いて加速器パラメータを推定することで、加速器調整パラメータの高速化、最適化が可能になると考えられる。新たな加速器運転パラメータの調整方法として、ニューラルネットワークを用いた加速管のRF 位相調整及び、ステアリング電磁石の調整システムを開発し、その性能評価を行った。
000002469 700__ $$aMasako Iwasaki$$edir.
000002469 8560_ $$fmasako@osaka-cu.ac.jp
000002469 8564_ $$uhttps://docs.belle2.org/record/2469/files/BELLE2-MTHESIS-2021-023.pdf
000002469 980__ $$aTHESIS