Publicação
Reconstruction of solar neutrino events with machine learning techniques using data from the SNO+ experiment
| Resumo: | Os neutrinos são uma das partículas fundamentais mais elusivas, com uma massa muito pequena, sem carga e apenas sujeitas a interações fracas. Estas partículas raramente interagem com a matéria e não decaem, o que as torna as segundas partículas mais abundantes no universo, a seguir aos fotões. Atualmente, sabe-se que os neutrinos são produzidos em reações termonucleares estrelares (incluindo o Sol), em reatores nucleares na Terra; geoneutrinos, produzidos naturalmente pelo decaimento radioativo ⁴⁰K, ²³²Th, ²³⁸U; neutrinos atmosféricos, produzidos como partículas secundárias pela interação entre raios cósmicos e os átomos da atmosfera; e também neutrinos de supernovas, que são gerados em ambientes de alta energia durante o colapso do núcleos estelares. Os neutrinos são um campo de pesquisa ativo na física devido ao seu comportamento peculiar de oscilação entre sabores e à sua tão pequena massa. Experiências e observatórios atuais de neutrinos exploram a natureza destas partículas medindo os seus parâmetros e identificando locais astrofísicos onde estes são produzidos. A experiência SNO+ é uma destas experiências, tratando-se de uma experiência multifuncional de física de neutrinos, sensível a neutrinos provenientes das fontes mencionadas acima e a medir os parâmetros de oscilação dos neutrinos. O experimento SNO+ foi concebido para operar em três fases principais: a fase de água, a fase de cintilador e a fase de telúrio. O objetivo final da experiência SNO+ é a observação do decaimento beta duplo sem neutrinos na fase de telúrio para resolver a questão fundamental: é o neutrino a sua própria antipartícula? No entanto, é necessário alcançar níveis muito baixos de fundos para observar este decaimento, e uma correta identificação dos eventos de neutrinos solares — que constituem um dos principais fundos na fase de telúrio — é necessária. O presente tese visa abordar o problema da identificação de neutrinos solares na fase de cintilador da experiência SNO+, onde a radiação de Cherenkov (informação direcional) dos eventos direcionais é suprimida pela luz isotrópica do cintilador, através do uso de métodos de Aprendizagem Automática. Para este objetivo, são construídos observáveis temporais e direcionais adequadas utilizando eventos simulados de neutrinos solares e eventos de decaimento radioativo do 208-Tálio, sob a hipótese de direção solar. Através destes observáveis, dois procedimentos são realizados para construir um classificador que permitisse identificar a compatibilidade de eventos com a direção solar. Um dos procedimentos usa a biblioteca OpenCV para identificar um padrão discriminatório entre eventos de neutrinos solares e eventos de fundo. Neste procedimento, observa-se uma baixa eficiência de classificação. Por outro lado, uma rede neural profunda é construída, treinada e testada utilizando eventos simulados. O modelo de aprendizagem profunda mostra um alto desempenho na identificação correta de eventos de neutrinos solares entre eventos de fundo, com uma eficiência de 97,6% para a seleção mais restritiva de eventos nas previsões do classificador sobre os dados simulados. |
|---|---|
| Autores principais: | Kladnik, Joan Alejandro Dos Santos |
| Assunto: | Física de neutrinos Decaimento beta duplo Detetor de cintilador líquido Radiação Cherenkov Aprendizagem de máquina Neutrino physics Double beta decay Liquid scintillator detector Cherenkov radiation Machine learning |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | inglês |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Os neutrinos são uma das partículas fundamentais mais elusivas, com uma massa muito pequena, sem carga e apenas sujeitas a interações fracas. Estas partículas raramente interagem com a matéria e não decaem, o que as torna as segundas partículas mais abundantes no universo, a seguir aos fotões. Atualmente, sabe-se que os neutrinos são produzidos em reações termonucleares estrelares (incluindo o Sol), em reatores nucleares na Terra; geoneutrinos, produzidos naturalmente pelo decaimento radioativo ⁴⁰K, ²³²Th, ²³⁸U; neutrinos atmosféricos, produzidos como partículas secundárias pela interação entre raios cósmicos e os átomos da atmosfera; e também neutrinos de supernovas, que são gerados em ambientes de alta energia durante o colapso do núcleos estelares. Os neutrinos são um campo de pesquisa ativo na física devido ao seu comportamento peculiar de oscilação entre sabores e à sua tão pequena massa. Experiências e observatórios atuais de neutrinos exploram a natureza destas partículas medindo os seus parâmetros e identificando locais astrofísicos onde estes são produzidos. A experiência SNO+ é uma destas experiências, tratando-se de uma experiência multifuncional de física de neutrinos, sensível a neutrinos provenientes das fontes mencionadas acima e a medir os parâmetros de oscilação dos neutrinos. O experimento SNO+ foi concebido para operar em três fases principais: a fase de água, a fase de cintilador e a fase de telúrio. O objetivo final da experiência SNO+ é a observação do decaimento beta duplo sem neutrinos na fase de telúrio para resolver a questão fundamental: é o neutrino a sua própria antipartícula? No entanto, é necessário alcançar níveis muito baixos de fundos para observar este decaimento, e uma correta identificação dos eventos de neutrinos solares — que constituem um dos principais fundos na fase de telúrio — é necessária. O presente tese visa abordar o problema da identificação de neutrinos solares na fase de cintilador da experiência SNO+, onde a radiação de Cherenkov (informação direcional) dos eventos direcionais é suprimida pela luz isotrópica do cintilador, através do uso de métodos de Aprendizagem Automática. Para este objetivo, são construídos observáveis temporais e direcionais adequadas utilizando eventos simulados de neutrinos solares e eventos de decaimento radioativo do 208-Tálio, sob a hipótese de direção solar. Através destes observáveis, dois procedimentos são realizados para construir um classificador que permitisse identificar a compatibilidade de eventos com a direção solar. Um dos procedimentos usa a biblioteca OpenCV para identificar um padrão discriminatório entre eventos de neutrinos solares e eventos de fundo. Neste procedimento, observa-se uma baixa eficiência de classificação. Por outro lado, uma rede neural profunda é construída, treinada e testada utilizando eventos simulados. O modelo de aprendizagem profunda mostra um alto desempenho na identificação correta de eventos de neutrinos solares entre eventos de fundo, com uma eficiência de 97,6% para a seleção mais restritiva de eventos nas previsões do classificador sobre os dados simulados. |
|---|
Atividades financiadas
Carregando projetos financiados...