利用卷积神经网络抑制液体闪烁体探测器中的宇宙缪子散裂本底
仪器与探测器
2019-10-23 v1 高能物理 - 实验
核实验
摘要
宇宙缪子散裂本底在低本底实验中无处不在。对于基于液体闪烁体搜索无中微子双贝塔衰变的实验，散裂产物 C 是 2-3 MeV 感兴趣区间内的重要本底，并决定了实验所需的深度要求。我们开发了一种基于卷积神经网络的算法，利用光发射中的时空关联来识别 C 本底事件。对于如 KamLAND 探测器般的典型千吨级探测器配置，我们发现该算法在 90% 信号接受度下能够识别 61.6% 的 C。具有完美光收集的探测器在 90% 信号接受度下可识别 98.2%。该算法独立于顶点和能量重建，因此与现有方法互补，并可扩展至其他本底来源。
引用
@article{arxiv.1812.02906,
title = {Suppression of Cosmic Muon Spallation Backgrounds in Liquid Scintillator Detectors Using Convolutional Neural Networks},
author = {A. Li and A. Elagin and S. Fraker and C. Grant and L. Winslow},
journal= {arXiv preprint arXiv:1812.02906},
year = {2019}
}
备注
19 pages, 8 figures