Simulation studies and tests of the light detection and trigger systems of the ICARUS detector in the Short Baseline Neutrino program at Fermilab

Abstract

Program neutrinowy z krótką bazą pomiarową (Short Baseline Neutrino - SBN) w Narodowym Laboratorium Przyspieszania Cząstek Elementarnych im. E. Fermiego (FNAL lub Fermilab) w USA wpisuje się w szeroki zakres eksperymentalnych poszuki- wań neutrin sterylnych, których istnienie jest jednym z fundamentalnych otwartych pytań fizyki neutrin. Głównym celem programu SBN jest poszukiwanie, przy uży- ciu wiązek neutrin akceleratorowych, tzw. efektu LSND, czyli oscylacji neutrin dla różnicy kwadratu mas neutrin ∆m2 rzędu 1 eV2, niezgodnej z oscylacjami tylko trzech aktywnych neutrin z Modelu Standardowego. Celem SBN jest też wykonanie precyzyjnych pomiarów oddziaływań neutrin z Argonem. Pomiary wiązki przed oscylacjami będą wykonywane w detektorze SBND w odle- głości 110 m od źródła neutrin, natomiast pomiary pojawiania się νe (ν¯e) oraz zanika- nia νµ (ν¯µ) będą badane w detektorach MicroBooNE i ICARUS w odległościach odpowiednio 470 m i 600 m. Wszystkie trzy detektory to ciekło-Argonowe komory projekcji czasowej (LAr TPC). Badania oddziaływań neutrin za pomocą detektora MicroBooNE rozpoczęły się w 2015 roku. Pierwsze zbieranie danych na potrzeby badań z fizyki za pomocą detektora ICARUS nastąpiło w czerwcu 2021 roku, a dla detektora SBND przewidywane jest w 2023 roku. Detektory SBN, pracujące blisko powierzchni Ziemi, są narażone na znaczne tło kosmiczne, które może naśladować prawdziwe oddziaływania neutrin. Fundamentalne znaczenie ma więc odróżnienie sygnałów związanych z oddziaływaniami neutrin od tych indukowanych przez promienie kosmiczne. Temat tej rozprawy doktorskiej jest związany z detektorem ICARUS, ze szcze- gólnym uwzględnieniem jego systemów detekcji światła i wyzwalania. Zanim detektor został przetransportowany do laboratorium Fermilab w kwietniu 2017 roku, system detekcji światła został znacząco zmodernizowany w laboratorium CERN. Detektor został wyposażony w 360 8" fotopowielaczy typu R5912 wyprodukowanych przez Hamamatsu. Na systemie detekcji światła oparto proponowany system wyzwala- nia, bazujący na zbieżności szybkich sygnałów światła scyntylacji, mierzonych przez fotopowielacze, z czasem przybycia neutrin wiązki do detektora. Niniejsza rozprawa przedstawia testy i ocenę działania fotopowielaczy oraz prace dla systemu wyzwalania, które zostały przeprowadzone w laboratorium CERN. Testy fotopowielaczy dowiodły, że system detekcji światła detektora ICARUS spełnia wyma-

gania programu SBN, a sam detektor zdoła pracować na powierzchni Ziemi. Pierwsze testy elementów systemu wyzwalania wykazały prawidłowe działanie elektroniki wy- zwalającej. Pozwoliły też na opracowanie i sprawdzenie wstępnej logiki systemu wyzwalania na podstawie pomiarów mionów kosmicznych zarejestrowanych przez stanowisko testowe wyposażone w ciekły Argon oraz na podstawie przeprowadzonych symulacji. Niektóre wyniki tych symulacji zostały przedstawione w niniejszej pracy. Ponadto, po raz pierwszy zmierzono prędkość grupową fotonów scyntylacyjnych w ciekłym Argonie. Kalibracja systemu detekcji światła oraz dalszy rozwój logiki systemu wyzwala- nia, mający na celu zwiększenie ich efektywności w pozyskiwaniu danych fizycznych, zostały przeprowadzone dla ostatecznej konfiguracji detektora podczas jego uru- chomienia w Fermilabie. Logika systemu wyzwalania jest nadal testowana i dostra- jana. W niniejszej pracy przedstawiono również sposób wykorzystania informacji z fotopowielaczy do filtrowania oddziaływań neutrin i mionów kosmicznych poprzez zastosowanie sieci neuronowej (Convolutional Neural Network - CNN) do symu- lowanych danych. Wyniki pokazują, że dzięki tej metodzie tło kosmiczne może być zredukowane nawet o 76% przy efektywności selekcji neutrin na poziomie 99%. Ponieważ praca ta ma na celu filtrowanie rzeczywistych danych, które nie są identy- czne z symulowanymi, przedstawiono również sposób łagodzenia błędów wynikają- cych z niedoskonałych symulacji poprzez zastosowanie domenowych sieci neuronowych (Domain Adversarial Neural Network - DANN). Wyniki pokazują, że trening przeci- wstawny poprzez DANN może złagodzić utratę wydajności przy stosunkowo niskim koszcie zmniejszonego odrzucania tła. Jest to pierwsze zastosowanie DANN dla CNN jako klasyfikatora zdarzeń dla LAr TPC. Po raz pierwszy prezentowane są też wyniki zastosowania DANN do danych rzeczywistych zebranych za pomocą detektora ICARUS w czerwcu 2021 roku.

The Short Baseline Neutrino (SBN) program at the Fermi National Laboratory (Fer- milab or FNAL) in the US inscribes in an extensive experimental programme of searches for sterile neutrino(s), whose existence is one of the fundamental open ques- tions of neutrino physics. The main objectives of the SBN program are searches for the LSND-like sterile neutrino oscillations using accelerator neutrino beams with full coverage of relevant values of the ∆m2 eV2 oscillation parameter, inconsistent with oscillations of only the three active neutrino of the Standard Model, and making precision measurements of neutrino interactions with Argon. The measurements of the beam before oscillations will be done in the SBND detector at a distance of 110 m from the neutrino source while the measurements of the νe (ν¯e) appearance and νµ (ν¯µ) disappearance will be studied in the MicroBooNE and ICARUS detectors at distances of 470 m and 600 m, respectively. All the three detectors are liquid Argon Time Projection Chambers (LAr TPCs). The studies of neutrino interactions with the MicroBooNE detector have started in 2015. The first physics data taking with the ICARUS detector was in June 2021, while for SBND it is planned for the year 2023. The SBN detectors, working near the Earth surface, are exposed to a substantial cosmic background, which can mimic the genuine neutrino interactions. Thus, it is fundamental to distinguish the signals related to the neutrino beams from those induced by the cosmic rays. The subject of this thesis is related to the ICARUS detector with a focus on its light detection and trigger systems. Before the detector was transported to Fermi- lab in April 2017, the light detection system was significantly upgraded at CERN. The detector was equipped with 360 8" R5912 Hamamatsu Photomultiplier Tubes (PMTs). The proposed trigger system, based on the coincidence of the prompt scin- tillation light signals, measured by PMTs, with the arrival time of beam neutrinos in the detector, is based on the light detection system. This thesis presents the tests and evaluation of the PMTs performance and the development of the trigger system, which were carried out at CERN. The PMT tests proved that the ICARUS light detection system fulfils the requirements of the SBN program, and the detector will manage to operate at the Earth surface. The first tests of the trigger elements showed the proper performance of the trigger electronics and

helped to develop and check the initial trigger logic based on cosmic muons registered in the liquid Argon test facility and on simulated events. Some simulation results are presented in this thesis. Moreover, the group velocity of scintillation photons in liquid Argon has been measured for the first time. The light detection system calibration and further development of the trigger logic, aiming at increasing their efficiencies for physics data taking, had been per- formed for the final detector configuration during the detector commissioning at Fermilab. The trigger system logic is still under test and tuning. This thesis also presents a way of using the PMT information for filtering neu- trino interactions and cosmic muons by applying a Convolutional Neural Network (CNN) to the simulated data. The results show that with this method, the cosmic background can be reduced by up to 76% with a neutrino selection efficiency of 99%. However, this work aims at filtering the real data cases, which are usually not identi- cal to the simulated ones. Thus, a way to mitigate biases from imperfect simulations by applying Domain Adversarial Neural Networks (DANNs) is also presented. The results demonstrate that adversarial training through a DANN can alleviate the loss of efficiency at a relatively low cost of reduced background rejection. This is the first application of DANN for CNN as an event classifier for a LAr TPC. The results of applying DANN to the real data collected with the ICARUS detector in June 2021 are presented for the first time.