使用卷积神经网络重建 GeV 尺度 IceCube 中微子能量
高能天体物理现象
2021-10-27 v1 天体物理仪器与方法
高能物理 - 实验
摘要
IceCube 中微子观测站位于 1.4 km 厚的南极冰层之下，用 5160 个光学模块对一立方千米的冰进行探测，以记录源自中微子相互作用的切伦科夫辐射。其中仪器更密集的中心区域 DeepCore 旨在探测 10-GeV 尺度的中微子，以改进诸如振荡参数等基本中微子性质的重要测量，并搜寻非标准相互作用。对振荡参数的灵敏度依赖于中微子传播距离与其能量之比（L/E），在 IceCube 中受到达角（决定 L）与能量（E）分辨率的限制。因此，事件重建的改进可直接推动振荡结果的进展。本工作使用卷积神经网络（CNN）来重建 IceCube 中 10-GeV 尺度中微子事件的能量，给出了具有竞争力的分辨率且比先前基于似然的方法运行更快的结果。
引用
@article{arxiv.2109.08152,
title = {Using Convolutional Neural Networks to Reconstruct Energy of GeV Scale IceCube Neutrinos},
author = {Jessie Micallef},
journal= {arXiv preprint arXiv:2109.08152},
year = {2021}
}
备注
5 pages, 3 figures, for Very Large Volume Neutrino Telescope Workshop (VLVnT-2021), proceedings submitted to JINST