机器学习技术应用于 ANAIS-112 的三年曝光数据
天体物理仪器与方法
2022-03-02 v1 高能物理 - 实验
摘要
ANAIS 是一项直接暗物质探测实验，旨在使用相同靶材与技术确认或反驳 DAMA/LIBRA 在低能探测率中的正年度调制信号。ANAIS-112 位于西班牙 Canfranc 地下实验室，自 2017 年 8 月起运行由 39 块超纯 NaI(Tl) 晶体组成的阵列，总质量 112.5 kg。感兴趣区（1-6 keV）的触发率由非体闪烁事件主导。为将这些噪声事件与体闪烁事件区分开，已开发稳健的滤波协议。尽管该滤波流程在 2 keV 以上表现良好，但 1 至 2 keV 间测得速率比依据本底模型的预期高约 50%，且我们不能排除非体闪烁事件为此超出之因。为改进噪声事件剔除，我们开发并应用了提升决策树（Boosted Decision Tree）。借助这一新的光电倍增管相关噪声剔除算法，ANAIS-112 在 1 至 2 keV 间的本底降低了近 30%，从而提升了对年度调制信号的灵敏度。本文也给出了用该技术对 ANAIS-112 三年数据的再分析。
引用
@article{arxiv.2110.10649,
title = {Machine-learning techniques applied to three-year exposure of ANAIS-112},
author = {I. Coarasa and J. Apilluelo and J. Amaré and S. Cebrián and D. Cintas and E. García and M. Martínez and M. A. Oliván and Y. Ortigoza and A. Ortiz de Solórzano and J. Puimedón and A. Salinas and M. L. Sarsa and P. Villar},
journal= {arXiv preprint arXiv:2110.10649},
year = {2022}
}
备注
Contributed to the TAUP2021 Conference, August 2021. To be published in Journal of Physics: Conference Series