"Klassifizierung von Ereignissen mit den elektronischen Detektoren des OPERA-Experiments durch Neuronale Netze"

"Event classification with the electronic detectors of the OPERA experiment using neural networks"

Kurzfassung

Das OPERA-Experiment sucht nach ν_μ ↔ ν_τ-Oszillationen im Appearance-Modus. Es verwendet die Emulsions-Nebelkammer-Technik (ECC) für eine hohe Ortsauflösung in Kombination mit Online-Komponenten für die Lokalisierung der Ereignisse und Identifikation der Myonen.

Die Analyse von Ereignissen im ECC-Detektor bringt einen erheblichen Zeitaufwand mit sich, insbesondere im Fall von ν_τ/ν_e-Kandidaten-Ereignissen. Das Aufstellen einer Rangfolge der Ereignisse nach ihrer Wahrscheinlichkeit, ein ν_τ/ν_e-Ereignis zu sein, kann die Analyse des OPERA-Experiments beschleunigen. In der vorliegenden Arbeit wird ein Algorithmus für eine solche Rangfolge basierend auf einem neuronalenNetz vom Klassifizierungs-Typ präsentiert.Wird die beschriebene Rangfolge angewendet, so werden fast alle Kandidaten-Ereignisse in den ersten 30% der analysierten Ereignisse gefunden. Der Algoritmus wird zur Zeit zu Testzwecken von der OPERA-Kollaboration eingesetzt, eine Entscheidung über die Anwendung auf die vollständige Analyse steht noch aus.

Ein ähnliches neuronales Netzwerk wird zur Unterscheidung von Neutralen und Geladenen-Strom-Ereignissen verwendet. Dieses kann zur Beobachtung von Neutrino-Oszillationen im Disappearance-Modus mit den Online-Komponenten des OPERA-Detektors verwendet werden, indem der Anteil an Neutralen-Strom-Wechselwirkungen in Abhängigkeit der Energie bestimmt wird. Das Vertrauensnievau des beobachteten Oszillations-Effektes ist 87%. Unter der Annahme maximaler Mischung wird die Massendifferenz zu |m²₃₂| = 2.8^+1.4_-1.7⋅10^-3 eV² bestimmt.

Titel

Kurzfassung

Summary

The OPERA experiment searches for ν_μ ↔ ν_τ oscillations in appearance mode. It uses the emulsion cloud chamber (ECC) technique for a high spatial resolution combined with on-line components for event localisation and muon identification.

The analysis of events in an ECC detector takes considerable time, especially in case of ν_τ/ν_e candidate events. A ranking of events by a probability for being a ν_τ/ν_e event can speed up the analysis of the OPERA experiment. An algorithm for such an event ranking based on a classification-type neural network is presented in this thesis. Almost all candidate events can be found within the first 30 % of the analysed events if the described ranking is applied. This event ranking is currently applied for testing purposes by the OPERA collaboration, a decision on a full application for the whole analysis is pending.

A similar neural network is used for discrimination between neutral and charged current events. This is used to observe neutrino oscillations in disappearance mode with the on-line components of the OPERA detector by measuring the energy dependence of the fraction of neutral current interactions. The confidence level of the observed oscillation effect is 87 %. Assuming full mixing, the mass splitting has been determined to |m²₃₂| = 2.8^+1.4_-1.7⋅10^-3 eV².