Desarrollo de una red neuronal para rechazar eventos de fondo en el detector de materia oscura DEAP-3600

Abstract

Los detectores de búsqueda directa de materia oscura requieren poder rechazar, tanto como sea posible, las distintas contribuciones de fondo. En el experimento DEAP-3600 una de las contribuciones más relevantes al fondo son las partículas α producidas en el cuello del detector fuera del volumen fiducial. Este tipo de eventos producen una señal lumínica en el rango del ultravioleta muy similar a la esperada para los retrocesos nucleares entre WIMPs y núcleos de Argón. Actualmente, para reducir esta contribución se utiliza una selección de eventos muy restrictiva, que consigue rechazar el 97.4% de los eventos del cuello. Sin embargo, la aceptancia conseguida es muy baja, solamente el 18.5% de los retrocesos nucleares son seleccionados. En este trabajo se propone una mejora en la aceptancia a través de la implementación de una red neuronal. Entrenada sobre eventos de Monte Carlo de retrocesos nucleares y eventos del cuello, la red consigue duplicar la aceptancia para todas las arquitecturas probadas. Como resultado del trabajo se ha alcanzado una aceptancia del 45% para un nivel de rechazo del 99.9%.