WEP083

加速器研究の分野において、機械学習の応用は広まっているが、大強度陽子加速器のような施設では、学習のために大量の統計を取ることや失敗によってビームロスを増やすことは機器の放射化や故障に直結してしまうため、適用は慎重にならざるを得ない。本研究では、加速器やビームラインの最適化において課題となるビームロスの最小化を目的とし、ログファイルの数値情報と対応するスクリーンショット画像の視覚情報を活用した機械学習モデルを構築を目指している。まずは機械学習を利用し運転中にビーム不安定性の判定や装置の異常等の兆候の発見に役立つツールを作る。その次のステップとして、横方向ビーム不安定性の制御に用いるフィードバックシステムの調整の最適値を導く手法を確立する。このステップでは少ない統計数で導出できるようにするという必要がある。現状J-PARC MRでのこの調整はビーム条件が変わる毎に行われ、パラメーターを振った結果を担当者が判断して良いと思われる値に設定しており、ビーム条件が変わる毎に設定し直す必要がある。担当者の腕によることや時間がかかってしまうという問題点がある。迅速に最適値を導出することは、ビーム強度とビーム供給時間の向上に貢献できる。本研究の進捗状況を発表する。