机器学习与深度学习在 ALPS II TES 探测器本底抑制中的首次应用
高能物理 - 实验
2023-05-09 v1 仪器与探测器
摘要
轴子与类轴子粒子是标准模型扩展中预言的假想粒子，也是大有希望的冷暗物质候选者。Any Light Particle Search (ALPS II) 实验是一个穿墙光实验，旨在从强光源与磁场中产生这些粒子，并随后通过重新转换为光子来探测它们。在预期速率约为每天 1 个光子的情况下，需要采用并表征一种灵敏的探测方案。一种预见的探测器基于过渡边传感器 (TES)。在此，我们研究用于抑制 TES 记录本底事件的机器学习与深度学习算法。我们还展示了卷积神经网络用于分类 TES 测得的时间序列数据的首次应用。
引用
@article{arxiv.2304.08406,
title = {A first application of machine and deep learning for background rejection in the ALPS II TES detector},
author = {Manuel Meyer and Katharina Isleif and Friederike Januschek and Axel Lindner and Gulden Othman and Jose Alejandro Rubiera Gimeno and Christina Schwemmbauer and Matthias Schott and Rikhav Shah},
journal= {arXiv preprint arXiv:2304.08406},
year = {2023}
}
备注
11 pages, 5 figures, accepted for publication in Annals of Physics. Contribution to the Patras 2022 Workshop on Axions, WIMPs, and WISPs