Desarrollo de algoritmos basados en inteligencia artificial para clasificaci ́on de eventos en los experimentos DEAP-3600

Abstract

La inteligencia artificial y especialmente las redes neuronales están siendo ampliamente utilizadas en física de partículas para extraer información de grandes volúmenes de datos. Por otro lado, uno de los m ́as relevantes desafíos de la física actual es la comprensión de la naturaleza de la Materia Oscura. Uno de los candidatos m ́as prometedores son las partículas masivas débilmente interactivas (WIMP), que se intentan detectar por medio de experimentos basados en argón líquido como DEAP-3600. La gran cantidad de datos generados por parte de estos experimentos tiene que ser procesada y analizada de manera fiable y rápida. Para esta tarea, la inteligencia artificial puede jugar un papel relevante. El objetivo principal de este trabajo es la clasificación, con redes neuronales, de distintos tipos de eventos en el experimento DEAP-3600 en SNOLAB (Canadá). Mediante esta clasificación se pueden separar la señal (eventos producidos por retrocesos nucleares de 40Ar) y el fondo (eventos producidos por la desintegración alfa de granos de polvo en suspensión en el detector). Como resultado del trabajo se obtiene una aceptancia del 28,1 % para un poder de rechazo del 90 %.

Artificial intelligence, especially neural networks, are being used in particle physics to obtain knowledge from large data volumes. In fact, one of the most relevant challenges in physics today is understanding the nature of Dark Matter. A promising candidates are Weakly Interactive Massive Particles (WIMPs), which are attempted to be detected by liquid argon experimets such as DEAP-3600. The large amount of data generated by these experiments has to be reliably and quickly analyzed. In this task, artificial inte- lligence could play a relevant role. In this work, the main objective is the classification, with neural networks, of different events in the DEAP-3600 experiment in SNOLAB (Canada). By this classification, the signal (40Ar nuclear recoil events) can be separated from the background (alpha decays events produced in dust grains inside the detector). As a result an acceptance of 28,1 %, for a rejection power of 90 %, is obteined.