Resumen - Herramientas de Aprendizaje Automático para el Arreglo Óptico IceCube-Gen2

Herramientas de Aprendizaje Automático para el Arreglo Óptico IceCube-Gen2

2025-07-10 15:21:34

{"Francisco Javier Vara Carbonell","Jonas Selter"}

{astro-ph.IM,astro-ph.HE}

La Colaboración IceCube-Gen2 está explorando el uso de redes neuronales (NNs) para mejorar las capacidades del observatorio IceCube-Gen2, una extensión de alta energía planificada del actual telescopio IceCube. El nuevo observatorio contará con sensores ópticos con múltiples tubos fotomultiplicadores (PMTs) para una mayor sensibilidad y detección omnidireccional. Este documento presenta tres aplicaciones clave de las redes neuronales en el array óptico IceCube-Gen2: 1. **Simulación del Módulo Óptico**: Una red neuronal se utiliza para simular la aceptación de fotones de los nuevos módulos ópticos, teniendo en cuenta sus simetrías inherentes y la dependencia de longitud de onda. Este enfoque proporciona un modelo más preciso que la aproximación analítica actual, capturando las asimetrías y la dependencia de longitud de onda de la aceptación angular de fotones de los módulos. 2. **Reconstrucción de Neutrinos**: Las redes neuronales se utilizan para reconstruir la dirección de los neutrinos utilizando el array óptico subterráneo. El estudio compara dos enfoques: una distribución de von Mises-Fisher 3D (3D-vMF) y flujos normalizadores condicionales. Los flujos normalizadores condicionales muestran resultados prometedores, especialmente para eventos de alta energía, con una resolución angular de sub-grados y contornos de incertidumbre asimétricos confiables. 3. **Limpieza de Ruido**: Una red neuronal de grafos (GNN) se utiliza para la limpieza de ruido en los módulos ópticos. El enfoque basado en GNN suprime más del 99% de los pulsos de ruido de descomposición radiactiva en el vidrio DOM, en comparación con aproximadamente el 70% para el algoritmo SRT clásico, manteniendo información de señal comparable. La investigación demuestra el potencial de las redes neuronales para mejorar el rendimiento del observatorio IceCube-Gen2, proporcionando simulaciones, reconstrucciones y limpieza de ruido más precisas. El trabajo futuro extenderá estas técnicas a la clasificación de eventos y la reconstrucción de energía, con el objetivo de lograr una cadena de selección de eventos completa para los estudios analíticos.