利用机器学习改进中子能量重建
高能物理 - 唯象学
2025-04-22 v3 高能物理 - 实验
摘要
忠实的能量重建是精密中子实验（如DUNE）的基础，但由于对中子-核相互作用不确定性认识不足，受到阻碍。本文演示了稠密神经网络在克服这些不确定性方面非常有效，通过对不可观测的动力学变量进行估计，以基于可观测最终态的部分为依据。我们发现与传统重建算法相比，能量分辨率提高了最长可达因子为2，这相当于相当于10-30%的暴露度提升。
引用
@article{arxiv.2405.15867,
title = {Improving Neutrino Energy Reconstruction with Machine Learning},
author = {Joachim Kopp and Pedro Machado and Margot MacMahon and Ivan Martinez-Soler},
journal= {arXiv preprint arXiv:2405.15867},
year = {2025}
}
备注
13 pages, 8 figures