Aller au contenu principal
Accès ouvert déclaré 2021 article

Demonstration of background rejection using deep convolutional neural networks in the NEXT experiment

25Citations signalées, ce qui n’est pas une note de qualité
24Institutions déclarées
5Pays d’affiliation déclarés

Rattachement africain : es, us, il, pt, co. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Abstract Convolutional neural networks (CNNs) are widely used state-of-the-art computer vision tools that are becoming increasingly popular in high-energy physics. In this paper, we attempt to understand the potential of CNNs for event classification in the NEXT experiment, which will search for neutrinoless double-beta decay in 136Xe. To do so, we demonstrate the usage of CNNs for the identification of electron-positron pair production events, which exhibit a topology similar to that of a neutrinoless double-beta decay event. These events were produced in the NEXT-White high-pressure xenon TPC using 2.6 MeV gamma rays from a 228Th calibration source. We train a network on Monte Carlo-simulated events and show that, by applying on-the-fly data augmentation, the network can be made robust against differences between simulation and data. The use of CNNs offers significant improvement in signal efficiency and background rejection when compared to previous non-CNN-based analyses.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Demonstration of background rejection using deep convolutional neural networks in the NEXT experiment
Date Crossref
01/01/2021
Éditeur
Springer Science and Business Media LLC
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Universitat de València pays non établi dans la notice
    Université ou école supérieure
  • Universidade de Santiago de Compostela pays non établi dans la notice
    Université ou école supérieure
  • Instituto de Física Corpuscular pays non établi dans la notice
    Structure de recherche
  • Argonne National Laboratory pays non établi dans la notice
    Structure de recherche
  • The University of Texas at Arlington Department of Physics pays non établi dans la notice
    Université ou école supérieure
  • Pacific Northwest National Laboratory pays non établi dans la notice
    Structure de recherche
  • Fermi National Accelerator Laboratory pays non établi dans la notice
    Structure de recherche
  • Ikerbasque pays non établi dans la notice
    Institution
  • Donostia International Physics Center pays non établi dans la notice
    Institution
  • Instituto de Instrumentación para Imagen Molecular pays non établi dans la notice
    Structure de recherche
  • Universitat Politècnica de València pays non établi dans la notice
    Université ou école supérieure
  • Ben-Gurion University of the Negev pays non établi dans la notice
    Université ou école supérieure

Universitat de València, Universidade de Santiago de Compostela et Instituto de Física Corpuscular, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Particle physics theoretical and experimental studiesParticle Detector Development and PerformanceRadiation Detection and Scintillator Technologies

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.