NuBench：基于深度学习的 neutrino 探测器事件重建开放基准

neutrino 探测器是大规模探测器，旨在观测 neutrino 相互作用在水或冰中产生的 Cherenkov 辐射。它们旨在识别来自外部 neutrino 来源的信号，并探索与难以捕捉的 neutrino 本身相关的根本问题。neutrino 探测器普遍面临的核心挑战是解决一系列称为事件重建的逆问题，这类问题旨在基于检测到的 Cherenkov 光线解析 incident neutrino 的属性。在近期，针对事件重建的深度学习研究进展取得了显著成果，由于此类技术相对于传统方法提供了若干优势。尽管重建需求和低层数据在很大程度上相似，但由于缺乏多样化的开源数据集进行方法比较，跨实验室合作受到阻碍。我们提出了 NuBench，一个用于 neutrino 探测器深度学习事件重建的开放基准。NuBench 包含七大规模模拟数据集，涵盖近 13000 万次带电和中性当前 mu neutrino 相互作用，能量范围从 10 GeV 到 100 TeV，跨六种受启发于现有和提议实验的探测器几何结构。这些数据集提供了适合用于开发和比较水和冰环境中机器学习重建方法的脉冲和事件级信息。使用 NuBench，我们在最多五个核心任务上评估了四种重建算法——分别在 KM3NeT 和 IceCube 合作项目中实际使用的 ParticleNeT 和 DynEdge，以及 GRIT 和 DeepIce——包括能量和方向重建、拓扑分类、相互作用顶点预测和非弹性估计。