WEP085
ポスターセッション① 8月6日 61B 12:40-14:40
SAGA-LS蓄積リングにおける機械学習を用いたビーム診断
Beam diagnosis at the SAGA-LS storage ring using machine learning
○竹田 晴信, 高林 雄一, 岩崎 能尊（九州シンクロトロン光研究センター）
○Harunobu Takeda, Yuichi Takabayashi, Yoshitaka Iwasaki（SAGA Light Source）
SAGA-LSでは通常1回あるいは2回、300 mA・255 MeVの入射と1.4 GeVへのランプアップを行い、10:00-21:00の間は減衰モードでのユーザー利用運転を行っている。しかし近年はRF空洞反射に起因する突発的な蓄積ビーム全ロスやビーム寿命急落による蓄積電流値急減が13:00以降の運転で顕著に発生し運転上の課題となっている。そこでビーム不安定性の原因調査と予兆検知を目的とし、蓄積リングのBPM信号、各所の真空度などの大規模時系列データを対象に、機械学習ベースのビーム診断システムを構築した。 2021 年 9 月-2024 年 12 月のユーザー運転期間中に累積したデータベースのうち、ビームロス発生などが比較的少ない入射直後の11:00-13:00に収集した約 2.68×105件の時系列データについて、全結合ニューラルネットワーク構造の変分オートエンコーダで学習した。診断対象として2025年2月-2025年3月のユーザー運転日27日間（同時刻帯）のデータを用い、これを学習モデルに通して得られる再構成誤差をビーム異常判定に用いるスコアとした。ビーム全ロス発生/ビーム寿命急減発生日のデータをビーム異常（ラベル1）、それ以外を正常(ラベル0)としてROC解析した結果、AUC=0.887を得てモデルの高い識別性能を確認した。加えて特定箇所の真空度の変動とビーム異常との強い関連性も示した。 現在は高時間分解能での診断や、電磁石および冷却水の追加パラメータを含む学習モデルの拡張を検討している。本発表ではこのシステムを用いたビーム診断結果と今後の展望について報告する。