基于机器学习的 OmniFold 折叠技术用于神中子跨越度测量
数据分析、统计与概率
2025-07-14 v2 高能物理 - 实验
高能物理 - 唯象学
摘要
神中子跨越度测量所选用的折叠方法，与效率修正模型的依赖性以及跨越度建模不确定性在分析中的整体影响紧密相关。一个关键问题是折叠所使用的维度，因为事件中所有离子粒子的运动学通常会影响神中子探测器的重建性能。OmniFold 是一种迭代重加权模拟数据集的折叠方法，利用机器学习处理任意高维信息，此前已用于原子核-原子核和原子核-电子数据集。本文首次将 OmniFold 应用于神中子跨越度测量，采用公开的 T2K 近距离探测器模拟数据集进行演示，并通过模拟数据研究与传统方法进行性能比较。
引用
@article{arxiv.2504.06857,
title = {Machine Learning-Assisted Unfolding for Neutrino Cross-section Measurements with the OmniFold Technique},
author = {Roger G. Huang and Andrew Cudd and Masaki Kawaue and Tatsuya Kikawa and Benjamin Nachman and Vinicius Mikuni and Callum Wilkinson},
journal= {arXiv preprint arXiv:2504.06857},
year = {2025}
}
备注
16 pages, 12 figures, 4 tables