Identificación de partículas con base en análisis de imágenes de los detectores de NovA usando métodos de Deep Learning

Abstract

Los modelos de Deep Learning aplicados al análisis de imágenes han sido adoptados recientemente por experimentos de altas energías para la identificación de partículas. El experimento NOvA, que se especializa en el estudio de las partículas elementales llamadas neutrinos, es pionero en el campo de la identificación de partículas con base en Deep Learning. NOvA ha publicado avances científicos usando redes neuronales convolucionales que facilitan el reconocimiento y el análisis de imágenes. Esto ha sido clave en el estudio de interacciones de neutrinos con la materia a través de sus topologías. En ese sentido, NOvA ha desarrollado redes neuronales convolucionales que utilizan estas topologías en la identificación de interacciones sin utilizar algoritmos estadísticos de reconstrucción, cuyas topologías dependen de algoritmos de reconstrucción geométrica. Actualmente, NOvA está desarrollando nuevos modelos de segmentación de instancias que solo dependen del contenido de las imágenes creadas por el experimento. Con estos modelos se busca mejorar la eficiencia en la identificación de partículas con carga eléctrica como los muones y los electrones, los cuales dejan huellas en los detectores que exhiben patrones regulares. Por otro lado, la identificación de piones cargados no ha sido eficiente, ya que sus huellas no son regulares, en general. Para NOvA es de suma importancia buscar caminos que permitan mejorar la identificación de piones cargados, ya que estos son clave en la clasificación de interacciones de los neutrinos, la cual hoy en día presenta discrepancias entre los modelos teóricos y las mediciones experimentales. Con este trabajo se busca implementar un modelo de segmentación de instancias, representativo del estado del arte, para la identificación de piones cargados en interacciones de neutrinos con la materia de los detectores del experimento NOvA.