Redes neuronales robustas frente al envenenamiento de datos aplicadas al problema de la discriminación de los eventos de cuello en DEAP-3600

Abstract

En los experimentos de búsqueda directa de materia oscura se requiere poder rechazar las distintas contribuciones de fondo para maximizar su sensibilidad. En el experimento DEAP-3600 una de las contribuciones más relevantes al fondo son las partı́culas α producidas en el cuello del detector. Este tipo de eventos producen una señal lumı́nica que debido a la geometrı́a del detector puede ser confundida con la señal que la interacción de un WIMP con un núcleo de argón producirı́a. Para reducir esta contribución de fondo se imponen determinados cortes en la selección de eventos, que, colateralmente, reducen la aceptancia, y por ende la sensibilidad, significativamente. Previamente, se ha propuesto la implementación de redes neuronales en el proceso de clasificación de estos eventos de cara a mejorar la aceptancia manteniendo un poder de rechazo alto. En este trabajo se propone el método de la destilación para robustecer estas redes neuronales frente al envenenamiento de los datos simulados en el conjunto de prueba. Como resultado se ha evaluado la precisión de dos modelos de destilado sobre dos tipos de perturbaciones distintas añadidas en distintas proporciones sobre los datos de prueba, y se ha observado una mejora en poderes de rechazo inferiores al 99 %.