論文の概要: Deep-Learning-Based Kinematic Reconstruction for DUNE
- arxiv url: http://arxiv.org/abs/2012.06181v2
- Date: Mon, 14 Dec 2020 03:44:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 02:49:08.076789
- Title: Deep-Learning-Based Kinematic Reconstruction for DUNE
- Title（参考訳）: 深層学習に基づく Dune の運動再建
- Authors: Junze Liu, Jordan Ott, Julian Collado, Benjamin Jargowsky, Wenjie Wu,
Jianming Bian, Pierre Baldi
- Abstract要約: Deep Underground Neutrino Experiment (DUNE)は、次世代の長周期ニュートリノ振動実験である。
最終状態粒子方向とエネルギーの再構成とニュートリノエネルギーのための2次元と3次元のCNNに基づく2つの手法を提案する。
- 参考スコア（独自算出の注目度）: 7.1117771577210664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the framework of three-active-neutrino mixing, the charge parity phase,
the neutrino mass ordering, and the octant of $\theta_{23}$ remain unknown. The
Deep Underground Neutrino Experiment (DUNE) is a next-generation long-baseline
neutrino oscillation experiment, which aims to address these questions by
measuring the oscillation patterns of $\nu_\mu/\nu_e$ and
$\bar\nu_\mu/\bar\nu_e$ over a range of energies spanning the first and second
oscillation maxima. DUNE far detector modules are based on liquid argon TPC
(LArTPC) technology. A LArTPC offers excellent spatial resolution, high
neutrino detection efficiency, and superb background rejection, while
reconstruction in LArTPC is challenging. Deep learning methods, in particular,
Convolutional Neural Networks (CNNs), have demonstrated success in
classification problems such as particle identification in DUNE and other
neutrino experiments. However, reconstruction of neutrino energy and final
state particle momenta with deep learning methods is yet to be developed for a
full AI-based reconstruction chain. To precisely reconstruct these kinematic
characteristics of detected interactions at DUNE, we have developed and will
present two CNN-based methods, 2-D and 3-D, for the reconstruction of final
state particle direction and energy, as well as neutrino energy. Combining
particle masses with the kinetic energy and the direction reconstructed by our
work, the four-momentum of final state particles can be obtained. Our models
show considerable improvements compared to the traditional methods for both
scenarios.
- Abstract（参考訳）: 3-活性ニュートリノ混合の枠組みでは、電荷パリティ相、ニュートリノ質量秩序、および$\theta_{23}$のオクタントが未知のままである。
Deep Underground Neutrino Experiment (DUNE)は次世代の長周期ニュートリノ発振実験であり、第1および第2の発振最大値にまたがるエネルギー範囲上の$\nu_\mu/\nu_e$および$\bar\nu_\mu/\bar\nu_e$の発振パターンを測定することでこれらの問題に対処することを目的としている。
DUNE遠距離検出器モジュールは液体アルゴンTPC(LArTPC)技術に基づいている。
LArTPCは優れた空間分解能、高ニュートリノ検出効率、超高バックグラウンド拒絶を提供するが、LArTPCの再構成は困難である。
深層学習、特に畳み込みニューラルネットワーク(CNN)は、DUNEやその他のニュートリノ実験における粒子識別などの分類問題に成功している。
しかし, ニュートリノエネルギーと最終状態粒子モーメントの深層学習法による再構築は, 完全なaiベースの再構築チェーンのためにはまだ開発されていない。
DUNEにおける検出された相互作用の運動特性を正確に再構築するため, 最終状態粒子方向とエネルギーの再構成とニュートリノエネルギーの再構成のための2次元および3次元CNN法を開発した。
粒子質量と運動エネルギーと作業によって再構成された方向を組み合わせることで、最終状態粒子の4モーメントが得られる。
我々のモデルは、両方のシナリオの従来の方法と比較してかなり改善されている。
関連論文リスト
- Quantum Advancements in Neutron Scattering Reshape Spintronic Devices [0.0]
トポロジカル磁気は量子技術の先例のない時代を巻き起こした。
トポロジカルマグネットは、従来の半導体ベースのエレクトロニクスの限界を超えた新しい世代のスピントロニクスデバイスを動機付けている。
論文 参考訳（メタデータ） (2024-07-15T15:36:03Z) - Neutrino Reconstruction in TRIDENT Based on Graph Neural Network [6.301679261460378]
トロピカルディープシーニュートリノ望遠鏡(TropIcal Deep-sea Neutrino Telescope, TRIDENT)は、南シナ海に位置する次世代ニュートリノ望遠鏡である。
論文 参考訳（メタデータ） (2024-01-27T06:57:24Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳（メタデータ） (2023-03-10T20:36:23Z) - Trapped-Ion Quantum Simulation of Collective Neutrino Oscillations [55.41644538483948]
量子計算を用いて,Nニュートリノ系のコヒーレントな集団振動を2成分近似でシミュレートする手法について検討した。
第2次トロッタースズキ公式を用いたゲート複雑性は,量子信号処理などの他の分解方法よりも,システムサイズに優れることがわかった。
論文 参考訳（メタデータ） (2022-07-07T09:39:40Z) - Energy reconstruction for large liquid scintillator detectors with
machine learning techniques: aggregated features approach [0.6015898117103069]
本研究は, JUNOにおけるエネルギー再構成のための機械学習手法について述べる。
核融合炉核由来のJUNO$-$ニュートリノの主信号に対応する0-10MeVのエネルギー範囲における陽電子事象に焦点を当てた。
我々は,PMTによって収集された情報を用いて,集約された特徴に基づいて学習したブースト決定木と完全連結ディープニューラルネットワークについて考察する。
論文 参考訳（メタデータ） (2022-06-17T22:50:50Z) - BNV-Fusion: Dense 3D Reconstruction using Bi-level Neural Volume Fusion [85.24673400250671]
ニューラル・ボリューム・フュージョン (BNV-Fusion) は, ニューラル・暗黙表現とニューラル・レンダリングの最近の進歩を活用して高密度3次元再構成を行う。
新しい深度マップをグローバルな暗黙的表現に漸進的に統合するために、我々は新しい二段階融合戦略を提案する。
提案手法を定量的に定性的に評価し,既存手法よりも有意な改善を示した。
論文 参考訳（メタデータ） (2022-04-03T19:33:09Z) - Entanglement and correlations in fast collective neutrino flavor
oscillations [68.8204255655161]
集合ニュートリノ振動は、天体物理学的な設定においてレプトンのフレーバーを輸送する上で重要な役割を担っている。
高速振動を呈する単純多角ジオメトリーにおける平衡外フレーバーのフルダイナミクスについて検討した。
我々はこれらの高速集団モードが同じ動的相転移によって生成されることを示す。
論文 参考訳（メタデータ） (2022-03-05T17:00:06Z) - Controlled coherent dynamics of [VO(TPP)], a prototype molecular nuclear
qudit with an electronic ancilla [50.002949299918136]
本稿では,[VO(TPP)](バナジルテトラフェニルポルフィリン酸塩)が量子計算アルゴリズムの実装に適していることを示す。
超微細相互作用によって結合された電子スピン1/2を核スピン7/2に埋め込み、どちらも顕著なコヒーレンスによって特徴づけられる。
論文 参考訳（メタデータ） (2021-03-15T21:38:41Z) - A multiconfigurational study of the negatively charged nitrogen-vacancy
center in diamond [55.58269472099399]
広帯域ギャップ半導体の深い欠陥は、量子センシングと情報応用を実現するための主要な量子ビット候補として現れている。
ここでは、単一粒子処理とは異なり、伝統的に原子/分子に予約されていた多重構成量子化学法は、これらの欠陥中心の電子状態の多体特性を正確に記述する。
論文 参考訳（メタデータ） (2020-08-24T01:49:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。