Résumé - Outils d'apprentissage automatique pour l'array optique IceCube-Gen2

Outils d'apprentissage automatique pour l'array optique IceCube-Gen2

2025-07-10 15:21:34

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

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

La collaboration IceCube-Gen2 explore l'utilisation des réseaux de neurones (NN) pour améliorer les capacités de l'observatoire IceCube-Gen2, une extension planifiée à haute énergie du télescope actuel IceCube. Le nouveau observatoire sera équipé de capteurs optiques avec plusieurs tubes photomultiplicateurs (PMTs) pour une sensibilité accrue et une détection omnidirectionnelle. Ce papier présente trois applications clés des réseaux de neurones dans l'array optique IceCube-Gen2 : 1. **Simulation du Module Optique** : Un réseau de neurones est utilisé pour simuler l'acceptation des photons des nouveaux modules optiques, en tenant compte de leurs symétries intrinsèques et de leur dépendance à la longueur d'onde. Cette approche fournit un modèle plus précis que l'approximation analytique actuelle, capturant les asymétries et la dépendance à la longueur d'onde de l'acceptation angulaire des photons des modules. 2. **Reconstruction des Neutrinos** : Les réseaux de neurones sont employés pour reconstruire la direction des neutrinos à l'aide de l'array optique sous la glace. L'étude compare deux approches : une distribution von Mises-Fisher 3D (3D-vMF) et des flux normalisants conditionnels. Les flux normalisants conditionnels montrent des résultats prometteurs, en particulier pour les événements à haute énergie, avec une résolution angulaire inférieure à un degré et des contours d'incertitude asymétriques fiables. 3. **Nettoyage du Bruit** : Un réseau de neurones graphique (GNN) est utilisé pour le nettoyage du bruit dans les modules optiques. L'approche basée sur le GNN supprime plus de 99% des impulsions de bruit provenant des désintégrations radioactives dans le verre des DOM, par rapport à environ 70% pour l'algorithme classique SRT, tout en conservant une information de signal comparable. La recherche démontre le potentiel des réseaux de neurones pour améliorer les performances de l'observatoire IceCube-Gen2, en fournissant des simulations, des reconstructions et un nettoyage du bruit plus précis. Les futurs travaux étendront ces techniques à la classification des événements et à la reconstruction de l'énergie, visant à obtenir une chaîne complète de sélection d'événements pour les études analytiques.