[論文レビュー] Recent neutrino oscillation result with the IceCube experiment

Shiqi Yu, Jessie Micallef|arXiv (Cornell University)|Jul 29, 2023

Astrophysics and Cosmic PhenomenaPhysics and Astronomy被引用数 3

ひとこと要約

本論文では、アイスキューブのデュープコア検出器を用いて、畳み込みニューラルネットワーク（CNN）を活用して大気中ニュートリノの振動を新たな測定を実施した。ニュートリノ相互作用の再構築が向上したことで、ニュートリノ混合角 $\theta_{23}$ および質量差平方 $\Delta m_{32}^2$ に対する高精度な制約が得られ、世界の全般的な測定結果と整合的であり、深層学習技術のおかげで感度が向上している。

ABSTRACT

The IceCube South Pole Neutrino Observatory is a Cherenkov detector instrumented in a cubic kilometer of ice at the South Pole. IceCube's primary scientific goal is the detection of TeV neutrino emissions from astrophysical sources. At the lower center of the IceCube array, there is a subdetector called DeepCore, which has a denser configuration that makes it possible to lower the energy threshold of IceCube and observe GeV-scale neutrinos, opening the window to atmospheric neutrino oscillations studies. Advances in physics sensitivity have recently been achieved by employing Convolutional Neural Networks to reconstruct neutrino interactions in the DeepCore detector. In this contribution, the recent IceCube result from the atmospheric muon neutrino disappearance analysis using the CNN-reconstructed neutrino sample is presented and compared to the existing worldwide measurements.

研究の動機と目的

• 宇宙線が地球の大気中で衝突する際に生成されるニュートリノを用いて、大気ニュートリノの混合角 $\theta_{23}$ および質量差平方 $\Delta m_{32}^2$ を測定すること。
• ニュートリノ再構築におけるディープラーニング技術の活用により、ニュートリノ振動パラメータへの感度を向上させること。
• デュープコア準拡散子の低エネルギー感度を活用して、GeVスケールのニュートリノを対象とし、長基準長での振動パターンを研究すること。
• 背景に類似したニュートリノ候補をキャリブレーションおよびシミュレーションフレームワークに組み込むことで、系統的不確実性を低減すること。
• 新しいCNN再構築結果と既存の世界的な測定結果を比較し、手法の精度および頑健性を検証すること。

提案手法

• アイスキューブ検出器のフォトマルチプライヤー管からのデジタル波形を用いて、畳み込みニューラルネットワーク（CNN）を用いてニュートリノ相互作用を再構築した。
• デュープコア準拡散子におけるデジタル光モジュール（DOM）の高密度配置を用い、ニュートリノ相互作用で生じる相対論的荷電粒子からのチェレンコフ光を検出した。
• シミュレート済みおよび実測データでトレーニングされたCNNを用いて、ニュートリノエネルギー $E$ および相互作用頂点を再構築し、100 GeV未満のエネルギー領域でエネルギー分解能および角度分解能を向上させた。
• 二種類の振動モデル式 $P(\nu_\mu \to \nu_\mu) \triangleq 1 - \text{sin}^2(2\theta_{23}) \text{sin}^2(1.27 \Delta m_{32}^2 L / E)$ を用いて、$\nu_\mu$ の消失確率をモデル化した。
• 振動パラメータへの感度を最大限に高めるために、$\text{cos}(\theta_{\text{zenith}}) \lesssim 0$（透過型イベント）のニュートリノイベントを用いた。
• 過去の結果と同一のフレームワークを用いて検出器をキャリブレーションおよびシミュレーションしたが、イベント選別およびバックグラウンドモデル化を精緻化するため、機械学習ベースの再構築を追加した。

Figure 1: Distribution of $\nu_{\mu}$ survival probability with color representing the value of probability at given values of $\cos(\theta_{\rm{zenith}})$ and E with oscillation parameters from the previous result [ 9 ] .

実験結果

リサーチクエスチョン

• RQ1 デュープコアにおけるCNN再構築ニュートリノイベントを用いた場合、$\theta_{23}$ および $\Delta m_{32}^2$ に対する改善された制約は何か？
• RQ2 畳み込みニューラルネットワーク（CNN）の適用により、従来の手法と比較して、低エネルギーニュートリノ相互作用の再構築はどの程度向上したか？
• RQ3 新しい結果は、大気ニュートリノ振動パラメータの世界的な平均測定値とどの程度一致しているか？
• RQ4 5〜100 GeVのエネルギー範囲におけるニュートリノイベント再構築に深層学習を適用した場合の感度向上はどの程度か？
• RQ5 背景に類似したニュートリノ候補は、振動パラメータ抽出における系統的不確実性低減にどの程度寄与しているか？

主な発見

• CNNを用いた再構築により、GeVスケールのニュートリノに対して高い再構築精度が達成され、エネルギー分解能および角度分解能が向上した。
• 測定された $\Delta m_{32}^2$ の値は、世界の平均測定値と整合的であり、より良いイベント選別およびキャリブレーションのおかげで不確実性が低減された。
• 混合角 $\theta_{23}$ は高い精度で測定され、最大混合からの顕著なずれは認められず、過去の世界的なフィット結果と整合的であった。
• 地球を通過するニュートリノ（長基準長、$L \sim 1.3 \times 10^4$ km）で振動パラメータへの感度が最も高かった。エネルギー範囲は5〜100 GeVであった。
• CNNベースの再構築により、検出器応答のより良いモデル化と、信号と背景に類似したイベントの区別が可能になり、系統的不確実性が低減した。
• 結果は、既存の世界的な測定結果と良好に一致しており、高エネルギーニュートリノ物理学における深層学習の有効性が検証された。

Figure 2: IceCube neutrino observatory’s main in-ice array and DeepCore sub-detector (left) and surface layout of strings (right) where red-filled DeepCore strings and orange-circled IceCube main strings are used in the CNN reconstruction.