Background analysis for charge-current neutrino search with DEAP-3600
Notice bibliographique
Résumé
DEAP-3600 (Dark matter Experiment using Argon Pulseshape discrimination) is a world-class experiment in the direct detection of dark matter. Dark matter is thought to compose about 27% of the universe, but remains unknown and undetected. The DEAP-3600 Experiment observes light pulses from particle collisions and is located 2 km underground at SNOLAB, the world’s deepest cleanest lab. SNOLAB provides a low-background environment to search for extremely rare physical interactions. In addition to the search for dark matter, DEAP-3600 is attempting the first observation of charged-current solar neutrino interactions in a dark matter detector. Solar neutrinos are elementary particles produced in the fusion reactions which power the Sun. While they are abundant (60 billion neutrinos pass through your thumbnail every second), neutrinos are also weakly interacting. Thus, the detection of charged-current neutrino interactions is an event search, where a handful of events are counted in years of data. To identify these neutrino interactions, the background events must be well understood. Various data cuts are applied to select well-behaved physics events produced by neutrino interactions. If a background event is counted as a neutrino event, the results of the cut-and-count analysis could be affected significantly. I have analyzed the effect of the chosen cut values on the final count of events and explored a specific background population using data cuts. This work has been a critical step in the data analysis for the search of charged-current solar neutrino interactions in the DEAP-3600 detector. The precise detection of this signal could broaden the capabilities of future multi-tonne scale experiments, such as measuring the neutrino spectrum of supernovae and in turn monitoring for supernovae events.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».