Нейросеть вычищает шум, чтобы поймать распад ксенона ✎ экспресс

Оригинал: "Enhancing Neutrinoless Double-Beta Decay Sensitivity of Liquid-Xenon Time Projection Chamber with Augmented Convolutional Neural Network"
· E. Aprile, J. Aalbers, K. Abe, M. Adrover, S. Ahmed Maouloud, L. Althueser, B. Andrieu, E. Angelino, D. Antón Martin, S. R. Armbruster, F. Arneodo, L. Baudis, M. Bazyk, L. Bellagamba, R. Biondi, A. Bismark, K. Boese, R. M. Braun, G. Bruni, G. Bruno, R. Budnik, C. Cai, C. Capelli, J. M. R. Cardoso, A. P. Cimental Chávez, A. P. Colijn, J. Conrad, J. J. Cuenca-García, V. D'Andrea, L. C. Daniel Garcia, M. P. Decowski, A. Deisting, C. Di Donato, P. Di Gangi, S. Diglio, K. Eitel, S. el Morabit, R. Elleboro, A. Elykov, A. D. Ferella, C. Ferrari, H. Fischer, T. Flehmke, M. Flierman, R. Frankel, D. Fuchs, W. Fulgione, C. Fuselli, R. Gaior, F. Gao, R. Giacomobono, F. Girard, R. Glade-Beucke, L. Grandi, J. Grigat, H. Guan, M. Guida, P. Gyorgy, R. Hammann, A. Higuera, C. Hils, L. Hoetzsch, N. F. Hood, M. Iacovacci, Y. Itow, J. Jakob, F. Joerg, Y. Kaminaga, M. Kara, S. Kazama, P. Kharbanda, M. Kobayashi, D. Koke, K. Kooshkjalali, A. Kopec, H. Landsman, R. F. Lang, L. Levinson, A. Li, I. Li, S. Li, S. Liang, Z. Liang, Y. -T. Lin, S. Lindemann, M. Lindner, K. Liu, M. Liu, F. Lombardi, J. A. M. Lopes, G. M. Lucchetti, T. Luce, Y. Ma, C. Macolino, J. Mahlstedt, F. Marignetti, T. Marrodán Undagoitia, K. Martens, J. Masbou, S. Mastroianni, V. Mazza, A. Melchiorre, J. Merz, M. Messina, A. Michel, K. Miuchi, A. Molinario, S. Moriyama, K. Morå, M. Murra, J. Müller, K. Ni, C. T. Oba Ishikawa, U. Oberlack, S. Ouahada, B. Paetsch, Y. Pan, Q. Pellegrini, R. Peres, J. Pienaar, M. Pierre, G. Plante, T. R. Pollmann, A. Prajapati, L. Principe, J. Qin, D. Ramírez García, A. Ravindran, A. Razeto, R. Singh, L. Sanchez, J. M. F. dos Santos, I. Sarnoff, G. Sartorelli, J. Schreiner, P. Schulte, H. Schulze Eißing, M. Schumann, L. Scotto Lavina, M. Selvi, F. Semeria, F. N. Semler, P. Shagin, S. Shi, H. Simgen, Z. Song, A. Stevens, C. Szyszka, A. Takeda, Y. Takeuchi, P. -L. Tan, D. Thers, G. Trinchero, C. D. Tunnell, K. Valerius, S. Vecchi, S. Vetter, G. Volta, C. Weinheimer, M. Weiss, D. Wenz, C. Wittweg, V. H. S. Wu, Y. Xing, D. Xu, Z. Xu, M. Yamashita, J. Yang, L. Yang, J. Ye, M. Yoshida, L. Yuan, G. Zavattini, Y. Zhao, M. Zhong, T. Zhu
arXiv:2603.23549 · 2026-03-20 · arXiv non-exclusive · собственный разбор · 1 мин
Умный фильтр отсеивает лишние вспышки и помогает увидеть редчайшее событие в жидком ксеноне.

В тёмной шахте под итальянскими Альпами стоит бак с тремя тоннами жидкого ксенона. Когда в него попадает частица, она выбивает из атомов слабые вспышки света и облачка электронов. По этим следам физики надеются увидеть редчайший распад: ядро ксенона-136 превращается в барий-136, испуская два электрона и ни одного нейтрино. Такой процесс запрещён в обычной физике, и его обнаружение перевернуло бы представление о природе нейтрино.

Беда в том, что похожие следы оставляют гамма-лучи от материалов самого детектора — от стали, меди, кабелей. Эти фоновые вспышки маскируют искомый сигнал, как шум толпы заглушает голос одного человека. Раньше от них избавлялись грубо: просто отбрасывали события с энергией в определённом диапазоне. Но при этом теряли и часть полезных распадов.

Нейросеть смотрит не только на энергию, но и на форму события: как свет распределяется по детектору, насколько размыто облако электронов. Гамма-фон оставляет более «рваный» след, чем аккуратный двойной распад.

Новая модель A-CNN обучалась на тысячах смоделированных и реальных событий XENONnT. В результате она отбрасывает 60% фоновых гамма-вспышек, сохраняя 90% настоящих сигналов. Для будущего детектора XLZD с сотней тонн ксенона это означает рост чувствительности к неуловимому распаду примерно на 40%.

Так нейросеть становится союзником в охоте за событием, которое пока не видел ни один прибор. Она не делает детектор больше — она учит его видеть чётче.

Жидкий ксенон при температуре −108 °C прозрачен для собственного света, поэтому вспышки от частиц можно улавливать фотодатчиками по всему объёму.

Поиск безнейтринного двойного бета-распада напоминает сюжет «Соляриса»: океан планеты реагирует на людей редкими, трудноотличимыми от шума сигналами, и учёные пытаются вычленить в них смысл.

Учёные
Paul DiracEmilio Gino SegrèFritz ZwickyVera RubinMarie CurieEnrico Fermi
Понятия
XENONnT безнейтринный двойной бета-распад жидкий ксенон лз поиск редких событий юнона XMM-Ньютон детектирование аксионов свёрточные нейронные сети детектирование нейтрино в жидком аргоне детектор аксионов