Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning

Cygno 実験では、機械学習を用いた非教師ありの異常検知によるオンラインデータ削減と、ラベルなし分類（CWoLa）による核反跳事象の識別という 2 つのアプローチを提案し、それぞれ高い信号保持率と背景低減、および核反跳事象の高精度な抽出を実現しました。

要約

暗黒物質を探す「CYGNO」実験と、AI の「魔法」

この論文は、**「CYGNO」という実験について書かれています。この実験は、宇宙の正体である「暗黒物質（ダークマター）」**を探すためのものです。

暗黒物質は目に見えず、触ることもできませんが、もし地球に衝突すれば、ごくわずかな光（閃光）を放つと予想されています。しかし、その光はあまりにも小さく、周囲のノイズ（雑音）に埋もれてしまい、見つけるのが非常に難しいのです。

この論文では、その「小さな光」を見つけるために、人工知能（AI）を 2 つの異なる方法で使ったという素晴らしい成果を紹介しています。

---

1. 巨大な写真から「必要な部分」だけ切り取る（AI のハサミ）

問題：膨大な写真の山

CYGNO 実験では、カメラが常に巨大な写真（1 メガピクセル以上）を撮り続けています。しかし、暗黒物質の光は、その写真の**「1 万分の 1」も満たない小さな点です。
まるで、「広大な砂漠の写真を毎日何千枚も撮り続けて、その中にたった 1 粒だけある『ダイヤモンド』を見つける」**ようなものです。全部の写真を保存して分析していたら、データが溢れてしまい、処理しきれません。

解決策：AI に「ノイズ」を覚えさせる

そこで、研究者たちは**「自動エンコーダー（Autoencoder）」**という AI を使いました。

• 仕組み：
  まず、AI に「光が全くない状態（ノイズだけ）」の写真だけを大量に見せます。AI は**「普通のノイズのパターン」**を完璧に覚えます。
  次に、実際のデータ（光が写っているかもしれない写真）を AI に見せると、AI は「これはノイズだ」と思いながら画像を再構築しようとします。

  • ノイズの部分： 「あ、これは私が覚えたパターンだ」とスムーズに再現します。
  • 光の部分（暗黒物質の候補）： 「あれ？これは私の知っているノイズじゃない！」と、**「ここは変だ！」**というエラー（残差）が出ます。

• 結果：
  この「変だ！」という部分だけを切り取って、**「関心領域（ROI）」**として保存します。

  • 効果： 写真の97.8%（砂漠の大部分）を捨てて、**93.0%**の「ダイヤモンド（信号）」だけを残すことができました。
  • スピード： この処理は 1 枚あたり 25 ミリ秒。人間の瞬きよりも速く、リアルタイムで処理可能です。

比喩：
広大な図書館（写真）から、たった 1 冊の重要な本（信号）を見つける際、AI は「本棚の埃（ノイズ）」の形を完璧に覚えています。そして、埃とは違う「本」だけが置かれている場所だけを瞬時に見つけ出し、その部分だけをコピーして持ち帰るようなものです。

---

2. ラベルなしで「正解」を教える（AI の直感）

問題：正解のラベルがない

暗黒物質の光（核反跳：NR）と、普通の光（電子反跳：ER）を見分けるには、通常「これは暗黒物質だ」「これは違う」というラベル付きのデータが必要です。しかし、実験では**「どちらがどちらか分からないままの混合データ」しか手に入りません。
これは、「正解の答えが書かれていないテスト問題」**を解くようなものです。

解決策：CWoLa（ラベルなし分類）という魔法

研究者たちは**「CWoLa（Classification Without Labels）」**という手法を使いました。

• 仕組み：
  2 つの異なるデータセットを用意します。

  1. A 群： 中性子源を使って、暗黒物質っぽい信号を少し混ぜたデータ（AmBe データ）。
  2. B 群： 何も混ぜていない、普通のノイズだけのデータ（標準データ）。

  AI には「個々の写真が何であるか」は教えません。代わりに**「A 群と B 群は、中身が少し違う混合物だ」と教えます。
  AI は「A 群の中に、B 群にはない『特徴的な形』があるはずだ」と推理し、「A 群と B 群を区別できるパターン」**を自ら見つけ出します。

• 結果：
  AI は、**「暗黒物質っぽい、丸くてコンパクトな形」**を自ら見つけ出し、それを高得点として選別しました。
  理論的に「これ以上は区別できない」という限界（天井）が約 66% の正解率でしたが、AI はその限界に迫る性能を発揮しました。

比喩：
2 つの鍋（A と B）があります。鍋 A には「スパイス（信号）」が少し入っていて、鍋 B には入っていません。味見をする人（AI）には「どちらがスパイス入りか」は教えられていません。
しかし、AI は「鍋 A の味には、鍋 B にはない『独特の香り』が混ざっている」と気づき、その香りのする部分だけを「スパイス入りだ！」と見分けることができます。

---

まとめ：なぜこれがすごいのか？

この研究は、**「AI が少ない情報から、賢くデータを絞り込む」**ことを実証しました。

1. スピードアップ： 巨大な写真から必要な部分だけを瞬時に取り出し、データ処理の負担を劇的に減らしました。
2. 賢い見分け： 「正解」を教わらなくても、データの違いから「暗黒物質っぽいもの」を自力で見つけ出しました。

これらは、将来の CYGNO 実験だけでなく、**「他のどんな科学実験でも、ノイズの中から小さな信号を見つける」**ための新しい道筋を示しています。まるで、AI が「暗闇の中で、かすかな光を見つけるための新しい目」を手に入れたようなものです。

技術概要

CYGNO 実験における機械学習を用いたダークマター探索のトリガー最適化と事象分類に関する技術的サマリー

本論文は、イタリアの CYGNO 実験（光学読み出し型時間飛翔検出器：TPC）において、希少事象探索のためのデータ処理と背景雑音除去を目的として開発された 2 つの相補的な機械学習アプローチをまとめたものである。以下に、問題定義、手法、主要な貢献、結果、および意義について詳述する。

1. 問題定義

CYGNO 実験は、ヘリウムと CF4 のガス混合気体を用いた光学読み出し型 TPC であり、暗黒物質（ダークマター）の相互作用を示唆する低エネルギー（O(1–100) keV）の核反跳（NR）事象を検出することを目的としている。

• データの特性: 検出器は科学用 CMOS カメラにより高解像度の「メガピクセル」画像を取得する。物理信号は画像全体のごく一部（スパース）に局在している。
• 課題:
  1. データ量の爆発: 複数の高解像度カメラが数 Hz のレートで動作するため、全フレームを保存すると O(10^2) MB/s のデータスループットが発生し、ストレージと転送に負荷がかかる。
  2. リアルタイム性の欠如: 従来のオフライン再構成パイプラインは高精度だが、フレームあたりの遅延が数秒かかるため、トリガーレベルでのリアルタイム処理には不適切である。
  3. ラベルの不足: 事象レベルでの核反跳（NR）のラベルが入手困難な状況下で、いかにして NR 事象を識別し、背景（電子反跳：ER）を除去するかが重要である。

2. 手法

本論文では、最小限の教師信号（または教師なし）で動作する 2 つの機械学習戦略を提案している。

A. 教師なし異常検知による ROI（関心領域）抽出

• 目的: 画像全体の大部分を占めるノイズを除去し、信号が含まれる小さな領域（ROI）のみを抽出してデータ量を削減する。
• 手法: 再構成ベースの異常検知を用いた畳み込みオートエンコーダ（Convolutional Autoencoder, AE）。
  • 学習データ: GEM（ガス電子増倍管）の増幅を無効化して取得した「ペデスタル画像（ノイズのみのデータ）」のみを使用。これにより、完全に教師なしで学習が可能。
  • 仕組み: AE はノイズの構造を学習し、再構成する。粒子相互作用による構造（信号）はノイズとは異なるため、再構成失敗（残差）として検出される。
  • 処理: 画素ごとの残差マップ $r(x) = |x - \hat{x}|$ を生成し、閾値処理と形態論的処理（閉じ操作）を経て、信号を含むバイナリマスク（ROI）を生成する。
• 特徴: 信号の再構成精度を維持しつつ、画像面積を大幅に削減する。

B. 弱教師あり学習（CWoLa）による核反跳識別

• 目的: 事象レベルのラベルなしで、核反跳（NR）に似たトポロジーを学習し、識別する。
• 手法: **ラベルなし分類（Classification Without Labels, CWoLa）**フレームワークの適用。
  • データセット:
    1. AmBe サンプル: アメリシウム - ベリリウム中性子源を使用（NR 信号が混在）。
    2. 標準（STD）サンプル: 中性子源なし（背景雑音中心）。
  • 原理: 事象レベルのラベルは不要で、「AmBe サンプル」と「STD サンプル」というサンプルレベルのラベルのみを用いて分類器を訓練する。理論的に、混合サンプルの構成比から最適な識別器を復元できる。
  • モデル: 128x128 グレースケール画像を入力とするコンパクトな畳み込みニューラルネットワーク（CNN）。
  • 信号比率: データ駆動型の解析により、AmBe サンプル中の信号寄与分 $\alpha$ を $(32.0 \pm 0.9)\%$ と推定。これにより、理論的な ROC-AUC の上限（AUC_max）が $(0.660 \pm 0.005)$ と決定される。

3. 主要な結果

教師なし ROI 抽出の結果

• 信号保持率: 再構成された信号強度の $(93.0 \pm 0.2)\%$ を保持。
• データ削減率: 画像面積の $(97.8 \pm 0.1)\%$ を破棄（削減）。
• 処理速度: 一般消費者向け GPU 上でフレームあたり約 25 ms の推論時間を実現。
• 評価: 1563 件の再構成事象を用いたテストで、オフライン再構成を基準として高い精度を確認。

CWoLa による NR 識別の結果

• 性能: 分類器のスコア分布において、AmBe サンプルは STD サンプルに比べて高スコア側にピークを持つことが確認された。
• 理論限界への接近: 観測された性能は、混合比によって決まる理論的な AUC 上限（0.660）に近づいており、混合サンプルからの分離能力をほぼ最適に抽出できている。
• 事象の特性: 閾値（$p > 0.8$）を超えた事象は、エネルギー - 密度平面の NR 有利領域に分布し、高密度でコンパクトかつほぼ円形のトポロジーを示す。これは核反跳の特性と一致する。

4. 貢献と意義

1. オンラインデータ削減の実現可能性:
   ペデスタルデータのみで学習したオートエンコーダは、ラベルなしでリアルタイムに ROI を抽出し、データ量を 97% 以上削減しながら信号をほぼ完全に保持できることを実証した。これは将来の CYGNO-04 デモンストレーターや大規模実験におけるデータスループット管理の現実的な基盤となる。

2. ラベル不足環境での学習手法の確立:
   事象レベルのラベルが得られない状況（特に中性子源を用いた較正データなど）でも、CWoLa 手法を用いて核反跳事象を効果的に識別できることを示した。これは、ラベル付けコストが高い希少事象探索全般に応用可能な強力な手法である。

3. 将来のダークマター探索への道筋:
   本論文で提示された 2 つのアプローチ（高速なトリガー/データ削減と、弱教師ありによる事象選別）は、次世代の光学 TPC 実験において、スケーラブルなオンライン選択システムを構築するための重要なステップであり、他のダークマター探索実験における同様の課題解決にも寄与する。

結論

CYGNO 実験において、教師なし学習と弱教師あり学習を組み合わせることで、メガピクセル規模のスパースな画像データから効率的に信号を抽出・分類するパイプラインが確立された。これにより、リアルタイム処理の遅延を最小化しつつ、背景雑音を大幅に低減し、核反跳事象の探索感度を向上させることが可能となった。