深層ニューラルネットワークによるハドロン放出源の学習

極小の宇宙的花火の内部を覗く

陽子がほぼ光速で衝突すると、新粒子の小さく短命な火球が生まれます。この亜原子の爆発の内部には、物質を結びつける最も基本的な力の一つ、強い力に関する情報が隠されています。本論文は、最新のディープラーニング技術によってこれらの衝突データに含まれる微妙なパターンを読み取り、粒子がどこでどのように生まれるかを明らかにする方法を示します。これにより、中性子星のような極端な環境での物質の振る舞いについて新たな手がかりが得られます。

なぜ極小距離が重要なのか

強い核力は陽子と中性子を原子核に結びつけ、通常の原子から死んだ星の密集したコアに至るまでの構造を形作ります。陽子同士の間の力は、何十年にもわたる散乱実験と理論モデルにより比較的よく測られています。しかし、ストレンジクォークを含むハイペロンのようなよりエキゾチックな粒子を含む相互作用ははるかに不確かです。これらの稀な粒子は直接研究するのが難しい一方で、極端な密度での物質の挙動に大きな影響を及ぼします。そこで研究者は加速器内の高エネルギー衝突に目を向け、そこで大量に生成される一時的な粒子対から情報を得ます。

量子のさざ波を顕微鏡として使う

これらの実験では、粒子の発生場所を直接見ることはできません。代わりに、相対運動量の異なる粒子対がどの程度の頻度で出現するか、つまり経路の相関がどれほど強いかを測定します。ラジオ天文学の発想に触発されたフェムトスコピーという手法は、こうした相関を粒子間の力と放出領域の形状の両方に結び付けます。従来の解析では、この放出領域が滑らかなベル型の雲のようであると仮定してきました。しかし、以前の研究は現実がより乱雑であることを示唆しています：短命の中間粒子の崩壊が中心から遠くまで伸びる長い「テイル」を作り出し、真の源はベル型から大きく外れる可能性があります。

データに自身で図を描かせる

著者らは、放出領域の形状を事前に仮定せずに推定する新しいデータ駆動型の方法を構築します。まず陽子–陽子間の力に関する十分に検証されたモデルから出発し、仮想的な源が観測される相関にどのように影響するかを計算します。源に対して単純な式を選ぶ代わりに、距離を入力として陽子対がその分離で起源する確率を出力する深層ニューラルネットワークで表現します。計算全体を自動微分することで、予測される相関曲線が実験測定にできるだけ一致するようネットワーク内のパラメータを調整し、滑らかさや非負性といった基本的な物理的要件も課します。

長いテイルを持つ発生源の発見

このニューラルネットワークベースの源を従来のベル型モデルと比較すると、LHC（大型ハドロン衝突型加速器）からの陽子–陽子相関データの記述が劇的に良くなります。復元された源は顕著な長距離のテイルを持っています：ほとんどの陽子は依然としてコンパクトな中心領域で生まれますが、かなりの割合がはるかに大きな距離から来ているように見えます。このパターンは、多くの陽子が短命の共鳴状態を介して間接的に生成され、それらが崩壊するまでにある程度移動するという考えと自然に整合します。重要なのは、ネットワークがどの共鳴が関与しているか、あるいはそれらの数を研究者が推測することなく、この構造をデータから直接明らかにした点です。

新たなレンズでストレンジ物質を探る

ハイペロンと陽子は質量やクォーク構成が似ているため、チームは学習した陽子の放出プロファイルを再利用して陽子–ハイペロン対を解析できます。データ駆動の源と陽子–ラムダ間の力のモデルを組み合わせることで、実験的相関は比較的浅い引力ポテンシャルを支持することが分かりました。これは量子色力学の第一原理に基づく格子計算の初期結果と整合します。したがってこのアプローチは、強い相互作用領域のあまり知られていない相互作用を制約するための新しく、ほぼ仮定のない手段を提供します。平易に言えば、本研究はディープラーニングが微かな量子のさざ波を粒子が生まれる場所の明確な像へと変えられることを示し、強い力の観察を鋭くし、重イオン衝突における粒子放出領域の将来の三次元マップ作成への道を開きます。

引用: Wang, L., Zhao, J. Learning hadron emitting sources with deep neural networks. Commun Phys 9, 90 (2026). https://doi.org/10.1038/s42005-026-02530-w

キーワード: 強い核力, ディープラーニング, 高エネルギー衝突, フェムトスコピー, ハイペロン—核子相互作用