Wykorzystanie sieci neuronowych do poprawienia klasyfikacji cząstek w eksperymentach związanych z wykrywaniem WIMP ciemnej materii

Brendon Matusch, Kanada 13-15

W eksperymentach ze słabo oddziałującymi masywnymi cząstkami (WIMP) ciemnej materii, niezbędne jest ręczne stworzenie klasyfikatora oddzielającego potencjalne cząstki WIMP od promieniowania tła. Jest to jednak trudne i czasochłonne. Przedstawiam nowatorskie algorytmy dla systemów uczących się, które rozwiązują ten problem przez automatyzację, osiągając znacznie lepsze wyniki i wcześniejsze metody w eksperymentach PICO-60 i DEAP-3600. Zacząłem rozwiązywać problemy z PICO-60, opracowując algorytmy uczenia częściowo nadzorowanego, które zmniejszają zanieczyszczenie danych, zwiększając dokładność z 80,7% do 99,2%. Przedstawiam również nowe procesy, które lepiej obsługują topologię detektora DEAP-3600, ograniczając liczbę nieprawidłowych identyfikacji pozytywnych z 91,0% do 75,7%.

Pokaż więcej