Aplicación de técnicas de aprendizaje automático en Física de Astropartículas

Abstract

La Física de Astropartículas está experimentando en los últimos años un rápido crecimiento en el tamaño y complejidad de los datos registrados. Por ello, las técnicas de aprendizaje automático se están utilizando cada vez más frecuentemente con el fin de analizar y extraer conclusiones de la ingente cantidad de datos obtenidos. En este trabajo se aplican algunas de las técnicas de aprendizaje automático a datos reales y simulados recogidos por un telescopio prototipo de CTA (Cherenkov Telescope Array), el LST-1. A partir del uso de estas técnicas se estudia su eficiencia a la hora de distinguir sucesos creados por hadrones o rayos gamma. También se estudian las diferencias entre los sucesos simulados y los reales, para analizar cómo se pueden mejorar las simulaciones y encontrar así las debilidades de los modelos.

Particle Astrophysics is experiencing in the last years a rapid growth in registered data size and complexity. Machine learning techniques are being used more frequently to analyse and obtain conclusions on the enormous amount of data obtained. In this work, some machine learning techniques are applied to real and simulated data of a prototype CTA (Cherenkov Telescope Array) telescope, the LST-1. These techniques are used to study the efficiency in distinguishing events initiated by hadrons or gamma rays, and to discern differences between real and simulated events aiming to improve simulations and therefore find the model weaknesses.