Background rejection in NEXT using deep neural networks

Renner, J. ; Farbin, A. ; Vidal, J.M. ; Benlloch-Rodríguez, J.M. ; Botas, A. ; Ferrario, P. ; Gómez-Cadenas, J.J. ; Álvarez, V. ; Azevedo, C.D.R. ; Borges, F.I.G. ; Cárcel, S. ; Carrión, J.V. ; Cebrián, S. (Universidad de Zaragoza) ; Cervera, A. ; Conde, C.A.N. ; Díaz, J. ; Diesburg, M. ; Esteve, R. ; Fernandes, L.M.P. ; Ferreira, A.L. ; Freitas, E.D.C. ; Goldschmidt, A. ; González-Díaz, D. ; Gutiérrez, R.M. ; Hauptman, J. ; Henriques, C.A.O. ; Morata, J.A.H. ; Herrero, V. ; Jones, B. ; Labarga, L. ; Laing, A. ; Lebrun, P. ; Liubarsky, I. ; López-March, N. ; Lorca, D. ; Losada, M. ; Martín-Albo, J. ; Martínez-Lema, G. ; Martínez, A. ; Monrabal, F. ; Monteiro, C.M.B. ; Mora, F.J. ; Moutinho, L.M. ; Nebot-Guinot, M. ; Novella, P. ; Nygren, D. ; Palmeiro, B. ; Para, A. ; Pérez, J. ; Querol, M. ; Ripoll, L. ; Rodríguez, J. ; Santos, F.P. ; Dos Santos, J.M.F. ; Serra, L. ; Shuman, D. ; Simón, A. ; Sofka, C. ; Sorel, M. ; Toledo, J.F. ; Torrent, J. ; Tsamalaidze, Z. ; Veloso, J.F.C.A. ; White, J. ; Webb, R. ; Yahlali, N. ; Yepes-Ramírez, H.

Financiación FP7 / Fp7 Funds
Resumen: We investigate the potential of using deep learning techniques to reject background events in searches for neutrinoless double beta decay with high pressure xenon time projection chambers capable of detailed track reconstruction. The differences in the topological signatures of background and signal events can be learned by deep neural networks via training over many thousands of events. These networks can then be used to classify further events as signal or background, providing an additional background rejection factor at an acceptable loss of efficiency. The networks trained in this study performed better than previous methods developed based on the use of the same topological signatures by a factor of 1.2 to 1.6, and there is potential for further improvement.
Idioma: Inglés
DOI: 10.1088/1748-0221/12/01/T01004
Año: 2017
Publicado en: Journal of Instrumentation 12, 1 (2017), [21 pp]
ISSN: 1748-0221

Factor impacto JCR: 1.258 (2017)
Categ. JCR: INSTRUMENTS & INSTRUMENTATION rank: 44 / 61 = 0.721 (2017) - Q3 - T3
Factor impacto SCIMAGO: 0.642 - Mathematical Physics (Q2) - Instrumentation (Q2)

Financiación: info:eu-repo/grantAgreement/EC/FP7/339787/EU/Towards the NEXT generation of bb0nu experimets/NEXT
Financiación: info:eu-repo/grantAgreement/ES/MINECO/Consolider-Ingenio-2010/CSD2008-00037
Financiación: info:eu-repo/grantAgreement/ES/MINECO/FIS2014-53371-C04
Tipo y forma: Artículo (Versión definitiva)
Área (Departamento): Área Física Atóm.Molec.y Nucl. (Dpto. Física Teórica)

Creative Commons Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.


Exportado de SIDERAL (2019-07-09-11:42:22)


Visitas y descargas

Este artículo se encuentra en las siguientes colecciones:
Artículos



 Registro creado el 2017-03-21, última modificación el 2019-07-09


Versión publicada:
 PDF
Valore este documento:

Rate this document:
1
2
3
 
(Sin ninguna reseña)