IceCube зарегистрировал семь астрофизических тау-нейтрино

@N 1

Физики из коллаборации IceCube обнаружили семь кандидатов в астрофизические тау-нейтрино с энергией от 20 тераэлектронвольт до петаэлектронвольта. Они использовали сверточную нейросеть и исключили вероятность отсутствия таких нейтрино на уровне пяти стандартных отклонений. Статья опубликована в журнале Physical Review Letters.

Нейтрино крайне слабо взаимодействуют с веществом и могут пролетать гигантские расстояния, ни с чем не провзаимодействовав. Поэтому астрофизические нейтрино высоких энергий — крайне интересный объект для изучения, ведь они могут нести информацию о процессах, происходящих за сотни световых лет от нас. Чтобы увеличить вероятность регистрации этих частиц, физикам приходится строить детекторы колоссального размера. В частности, детектор IceCube использует многометровую толщу антарктического льда, чтобы ловить нейтрино. С помощью этого детектора ученым уже удалось зарегистрировать галактические нейтрино высоких энергий, а также показать, что на нейтрино не подействовала квантовая гравитация.

Физики из коллаборации IceCube показали, что среди данных, набранных почти за десять лет работы детектора, присутствуют события-кандидаты на взаимодействия астрофизических тау-нейтрино с веществом детектора. Для этого ученые анализировали область высоких энергий нейтрино, где вклад от атмосферных тау-нейтрино сильно подавлен и фон от них ожидался на уровне 0,5 события. Чтобы отобрать эти события, физики использовали сверточную нейросеть, натренированную на данных компьютерного моделирования.

В результате физики отобрали семь событий-кандидатов в диапазоне энергий от 20 тераэлектровольт до одного петаэлектронвольта. Это позволило ученым исключить гипотезу об отсутствии таких нейтрино на уровне пяти стандартных отклонений.

Ученые отмечают, что поток и энергетический спектр этих событий согласуется с теоретическим предсказанием на основе предыдущих измерений и представлениях о нейтринных осцилляциях.

Не в первый раз физикам помогают новые методы обработки и анализа данных на основе нейронных сетей. Недавно мы писали, как глубокое обучение привлекли для решения проблемы аномального магнитного момента мюона.