在液氩时间投影室中降低中微子相互作用事件筛选模拟偏差的对抗方法
高能物理 - 实验
2022-06-28 v1 仪器与探测器
摘要
对于当前和未来的使用大型液氩时间投影室（LAr-TPCs）的中微子振荡实验，一个关键挑战是从弥漫的宇宙射线背景中识别中微子相互作用。此类背景的排除常可使用传统的基于截断的选择方法，但这通常需要事先使用计算昂贵的重建算法。本工作展示了一种替代方法，即使用在 LAr-TPCs 内相互作用的闪烁光信号低级信息上训练的 3D 子流形稀疏卷积网络。该技术应用于 ICARUS（费米实验室短基线中微子（SBN）计划的远探测器）的示例模拟。网络结果显示，宇宙背景减少了多达 76.3%，而中微子相互作用选择效率保持在 98.9% 以上。我们进一步提出了一种通过应用域对抗神经网络（DANNs）来减轻不完美输入模拟潜在偏差的方法，其中引入修正的模拟样本以模仿真实数据，并将其中一小部分用于对抗训练。进行了一系列模拟数据研究，证明了使用 DANNs 减轻偏差的有效性，显示出中微子相互作用选择效率表现显著优于未进行对抗训练时所达到的水平。
引用
@article{arxiv.2201.11009,
title = {Adversarial methods to reduce simulation bias in neutrino interaction event filtering at Liquid Argon Time Projection Chambers},
author = {Marta Babicz and Saúl Alonso-Monsalve and Stephen Dolan and Kazuhiro Terao},
journal= {arXiv preprint arXiv:2201.11009},
year = {2022}
}
备注
9 pages, 6 figures