El experimento del Arreglo Radio Gigante para la Detección de Neutrinos (GRAND) tiene como objetivo detectar y estudiar neutrinos de ultra-energía a través de la observación de emisiones de radio producidas en lluvias de aire extensas. Este artículo presenta un método para reconstruir la dirección de llegada y la energía de los rayos cósmicos con alta precisión utilizando redes neuronales de gráficos (GNNs) en el proyecto GRAND.
El método propuesto utiliza trazas de voltaje simuladas como entrada para una GNN. Para mejorar la precisión y reducir el tamaño del conjunto de entrenamiento requerido, se incorpora conocimiento físico tanto en la arquitectura de la GNN como en los datos de entrada. Este enfoque alcanza una resolución angular de 0.14° y una resolución de reconstrucción de energía primaria de aproximadamente el 15%. Además, se emplean métodos de estimación de la incertidumbre para mejorar la fiabilidad de las predicciones.
El estudio demuestra el potencial de las GNNs en la reconstrucción de las propiedades de los rayos cósmicos y subraya la importancia de incorporar conocimiento físico y estimación de la incertidumbre en el proceso de reconstrucción. Los resultados sugieren que las GNNs pueden ser una herramienta valiosa para mejorar las capacidades de reconstrucción del proyecto GRAND y otros experimentos similares.