利用机器学习提升 DRIFT-IId 定向暗物质实验的灵敏度
天体物理仪器与方法
2021-07-21 v3
摘要
我们展示了一种用于 DRIFT-IId 定向暗物质探测器的新型分析，使用称为随机森林分类器的机器学习算法。该分析基于一系列选择参数将事件标记为信号或本底，而非仅施加硬性截断。分析效率在高质量下与我们先前结果相当，但在较低能量下效率提高。这导致在 WIMP 质量低于 15 GeV c 时灵敏度预期增强一个数量级，且预期灵敏度极限下探至 WIMP 质量 9 GeV c，这对于定向敏感暗物质探测器尚属首次。
引用
@article{arxiv.2103.06702,
title = {Improved Sensitivity of the DRIFT-IId Directional Dark Matter Experiment using Machine Learning},
author = {J. B. R. Battat and C. Eldridge and A. C. Ezeribe and O. P. Gaunt and J. -L. Gauvreau and R. R. Marcelo Gregorio and E. K. K. Habich and K. E. Hall and J. L. Harton and I. Ingabire and R. Lafler and D. Loomba and W. A. Lynch and S. M. Paling and A. Y. Pan and A. Scarff and F. G. Schuckman and D. P. Snowden-Ifft and N. J. C. Spooner and C. Toth and A. A. Xu},
journal= {arXiv preprint arXiv:2103.06702},
year = {2021}
}