Evaluations of uncertainties in simulations of propagation of ultrahigh-energy cosmic-ray nuclei derived from microscopic nuclear models

木戸 英治*; 稲倉 恒法*; 木村 真明*; 小林 信之*; 長瀧 重博*; 清水 則孝*; 民井 淳*; 宇都野 穣

Astroparticle Physics, 152, p.102866_1 - 102866_12, 2023/10

https://doi.org/10.1016/j.astropartphys.2023.102866

宇宙からはeVにもなる超高エネルギー宇宙線が降ってくるが、その天文学的起源は明らかになっていない。何らかの理由で非常に強く加速された原子核が宇宙背景輻射との相互作用を受け、地球に到達するとされているが、加速された原子核と宇宙背景輻射との相互作用(静止系ではMeV単位のガンマ線との相互作用に相当)が完全にはわかっていないために、もともとの粒子の性質を評価しにくいという問題点があった。この論文では、光核反応模型として、TALYSコードに入っている標準的に使われているものと乱雑位相近似計算によるものを使い、その両者から得られる宇宙線のスペクトルを比較した。その結果、両者には無視できない差があり、光核反応断面積を測定あるいは理論計算によって正確に得る必要があることがわかった。

The Optical potential for neutron-nucleus scattering derived by Bayesian optimization

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

JAEA-Conf 2022-001, p.103 - 108, 2022/11

https://doi.org/10.11484/jaea-conf-2022-001

We are working on a combination of nuclear reaction calculation code CCONE and machine learning libraries to generate nuclear data and improve their accuracy. The angular distributions of elastic and inelastic scatterings to the first excited state on Fe at several incident energies were calculated using CCONE, and the optical potential parameters were optimized to reproduce the experimental data by Bayesian optimization. The optimized parameters were the depth of the real volume and imaginary surface parts of the potential, their energy dependence, radius, and diffuseness. Using the obtained optical potential, we estimated the angular distributions at energies different from those used on the optimization, and found that the results were in good agreement with the experiment data. In this presentation, we will introduce these calculation results and future prospects.

Unexpectedly enhanced -particle preformation in Ti probed by the (,) reaction

谷口 億宇*; 吉田 数貴; 千葉 陽平*; 延与 佳子*; 木村 真明*; 緒方 一介*

Physical Review C, 103(3), p.L031305_1 - L031305_5, 2021/03

https://doi.org/10.1103/PhysRevC.103.L031305

本研究では、Ti(,)Ca反応の分析により、中重核であるTiでの粒子形成が平均場近似で予想される量よりも顕著に大きいことを明らかにした。さらに、示唆される粒子とCa間のクラスター間平均距離はおよそ4.5fmであり、これは微視的構造理論での4核子相関の記述に課題をもたらす結果である。

Quantitative description of the Ne(,)O reaction as a means of probing the surface amplitude

吉田 数貴; 千葉 陽平*; 木村 真明*; 谷口 億宇*; 延与 佳子*; 緒方 一介*

Physical Review C, 100(4), p.044601_1 - 044601_6, 2019/10

https://doi.org/10.1103/PhysRevC.100.044601

陽子によるノックアウト反応はクラスター状態を探索する手法のひとつである。しかし、定量性の観点からは、理論よるノックアウト反応の記述は実験データを再現できないことが報告されている。本研究では、反対称化分子動力学を用いて-Oクラスター状態を記述し、それを歪曲波インパルス近似による反応計算に適用することでNe(,)O反応を記述した。結果として、調整パラメータなしにノックアウト反応断面積の定量的な再現に成功し、ノックアウト反応がクラスター状態の定量的なプローブであることを示した。

Asymmetry dependence of reduction factors from single-nucleon knockout of Ne at 230 MeV/nucleon

Lee, J.*; Liu, H.*; Doornenbal, P.*; 木村 真明*; 蓑茂 工将*; 緒方 一介*; 宇都野 穣; 青井 考*; Li, K.*; 松下 昌史*; et al.

Progress of Theoretical and Experimental Physics (Internet), 2016(8), p.083D01_1 - 083D01_7, 2016/08

AA2016-0230.pdf:0.16MB

https://doi.org/10.1093/ptep/ptw096

高速不安定核ビームのノックアウト反応は、不安定核の一粒子状態を調べるのによく用いられている反応である。しかし、ノックアウト反応から反応理論を通じて得られた分光学的因子は、殻模型などの核構造模型から得られるものに比べて一様に減少しており、その減少因子は核子の分離エネルギーに強く依存するという不思議な性質があることが知られている。そのメカニズムはまだ完全には理解されていない。従来の研究では、核子あたり約120MeV程度のビームを使って減少因子が測定されてきた。本研究では、理化学研究所にて、核子あたり200MeV以上のより高速なビームを用いて、Neからの一中性子および一陽子ノックアウト反応を調べた。そこで得られた減少因子を殻模型や反対性分子動力学による核構造計算を用いて導いたところ、従来研究と同様の減少因子があることがわかった。

チャネル結合光学模型を用いた核子-原子核散乱に対するポテンシャルの最適化

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

no journal, , 

核反応データの評価に機械学習を導入することで、人的・時間的コストの削減だけではなく、従来扱えなかった大量の核反応データ情報を用いた評価ができるようになるなど、多くの利点が期待される。本研究では、ガウス過程回帰に基づきベイズ最適化を行うPythonライブラリGPyOptを採用し、これに核反応計算コードCCONEを組み込んだ。インプットとして、中性子全断面積と陽子・中性子弾性散乱角度微分断面積の実験データを用い、チャネル結合光学模型のポテンシャルパラメータを最適化した。本手法により、従来と同等の結果に加えてパラメータ間の相関も得られることを例示した。今回は小規模なデータセットに対してパラメータの最適化を行ったが、今後は扱うデータセットやパラメータを大規模化することで、機械学習の有用性を詳しく検証していく予定である。

Generating nucleon-nucleus scattering data by Gaussian process regression

渡辺 証斗*; 湊 太志; 木村 真明*; 岩本 信之

no journal, , 

Recent progresses in the data science have greatly impacted the study of nuclear data evaluation. The AI-technologies have a possibility to improve the accuracy of nuclear data and reduce the human and time resources required to construct the database. As one of such challenges, we are building a machine learning system that optimizes and estimates parameters of the nucleon-nucleus scattering models to generate an AI-based nuclear database. In this contribution, we will explain how our system is designed and works effectively. Our system combines the Gaussian process regression with the CCONE code system. By fitting measured cross sections, it optimizes the parameters of the nuclear reaction models, such as the optical potential and structural parameters of a target nucleus. It also estimates unknown energy dependence of the model parameters from experimental data. We will demonstrate the performance of our system and also how it helps in creating nuclear databases.