Implementering av Ab Initio-härledd Kärnresponsmodell för Kärn-neutrinointeraktion i NuWro

Abstract

Neutrinoexperiment är beroende av tillförlitliga modeller för neutrino-kärninteraktioner eftersom den inkommande neutrinons energi och själva reaktionsförloppet inte kan observeras direkt. I detta arbete undersöks om neurala nätverk kan användas för att interpolera ab initio-beräknade kärnresponsfunktioner, som på grund av höga beräkningskostnader endast finns tillgängliga i ett begränsat antal kinematiska punkter, och därmed möjliggöra användning av mer detaljerade kärnmodeller i händelsegeneratorn NuWro. Fokus ligger på kvasielastisk neutrino-kärnspridning där kärnresponsfunktionerna beskriver hur atomkärnan påverkas av den svaga växelverkan. En neural interpolationsmodell utvecklades och utvärderades genom systematiska tester av nätverksarkitektur, aktiveringsfunktioner, indatarepresentationer, normalisering och förlustfunktioner. Den valda modellen användes därefter för att generera tabellerade responsfunktioner vilka implementerades i NuWro som en hybridmodell, där den ab initio-baserade modellen används vid låga rörelsemängdsöverföringar och NuWro:s inbyggda lokala fermigasmodell används vid högre värden. De resulterande tvärsnitten jämfördes med teoretiska beräkningar, den inbyggda lokala fermigasmodellen och experimentella resultat från T2K-experimentet i Japan. Resultaten visar att det neurala nätverket kan interpolera responsfunktionerna väl trots ett begränsat antal ab initio-beräknade datapunkter. Den implementerade hybridmodellen kunde dock inte påvisas ge bättre överensstämmelse med T2K-data än NuWro:s inbyggda lokala fermigasmodell. Arbetet demonstrerar ändå en fungerande beräkningskedja för att implementera mer avancerade kärnmodeller i NuWro och utgör en grund för vidare studier.