NEOS II 中使用卷积神经网络进行快中子本底脉冲形状甄别
仪器与探测器
2020-09-29 v1 高能物理 - 实验
摘要
脉冲形状甄别通过去除快中子在 NEOS 分析中起着提高信噪比的关键作用。通过观测波形的尾部来识别粒子一直是脉冲形状甄别有效且合理的方法，但在分拣低能粒子方面存在局限。作为一个良好的替代方案，卷积神经网络可以原样扫描整个波形以识别脉冲特征，并对 NEOS 数据进行形状分类。该网络为所有能量区间提供了强大的识别工具，并有助于搜寻低能（几 MeV 或更低）中微子的前所未见现象。
引用
@article{arxiv.2009.13355,
title = {Pulse Shape Discrimination of Fast Neutron Background using Convolutional Neural Network for NEOS II},
author = {NEOS II Collaboration and Y. Jeong and B. Y. Han and E. J. Jeon and H. S. Jo and D. K. Kim and J. Y. Kim and J. G. Kim and Y. D. Kim and Y. J. Ko and H. M. Lee and M. H. Lee and J. Lee and C. S. Moon and Y. M. Oh and H. K. Park and K. S. Park and S. H. Seo and K. Siyeon and G. M. Sun and Y. S. Yoon and I. Yu},
journal= {arXiv preprint arXiv:2009.13355},
year = {2020}
}
备注
7 figures