CNN 用于大规模水-Gd 探测器中 DSNB 搜索的增强本底判别
仪器与探测器
2021-12-08 v3 天体物理仪器与方法
高能物理 - 实验
高能物理 - 唯象学
摘要
大型水切伦科夫探测器的钆负载是探测弥漫超新星中微子背景(Diffuse Supernova Neutrino Background, DSNB)的主要方法。虽然增强的中子标记能力大大减少了单事件本底，但模仿 IBD 符合特征的相关事件仍是有害的潜在本底。大气中微子的中性流(Neutral-Current, NC)相互作用可能主导 DSNB 信号，特别是在约 12 至 30 MeV 观测窗口的低能范围。本文研究一种判别该本底的新方法。卷积神经网络(Convolutional Neural Networks, CNNs)提供了直接分析和分类prompt事件 PMT 击中图样的可能性。基于在简化的类 Super-Kamiokande 探测器设置中生成的事件，我们发现训练后的 CNN 可保持 96% 的信号效率，同时将残余 NC 本底降低至原始率的 2%。与近期 DSNB 信号的预测及 Super-Kamiokande 中 NC 本底水平的测量相比，相应的信号-本底比约为 4:1，为 DSNB 发现提供了极佳条件。
引用
@article{arxiv.2104.13426,
title = {CNNs for enhanced background discrimination in DSNB searches in large-scale water-Gd detectors},
author = {David Maksimović and Michael Nieslony and Michael Wurm},
journal= {arXiv preprint arXiv:2104.13426},
year = {2021}
}
备注
16 pages, 9 figures