Interpretable Boosted Decision Tree Analysis for the Majorana Demonstrator

要約

Majorana Demonstrator は、高純度ゲルマニウム検出器 (HPGe) を使用して、ニュートリノを含まない二重ベータ崩壊を探索する主要な実験です。
機械学習は、これらの検出器によって提供される情報量を最大化する新しい方法を提供しますが、データ駆動型の性質により、従来の分析に比べて解釈が難しくなります。
解釈可能性の調査により、マシンの意思決定ロジックが明らかになり、マシンから学習して従来の分析にフィードバックすることができます。
この作業では、Majorana デモンストレーターからのデータの最初の機械学習分析を提示しました。
これは、ゲルマニウム検出器実験の最初の解釈可能な機械学習分析でもあります。
データから学習するように 2 つの勾配ブースト デシジョン ツリー モデルをトレーニングし、分類力の起源を理解するためにゲーム理論に基づくモデルの解釈可能性調査を実施します。
データから学習することにより、この分析は再構成パラメーター間の相関関係を認識し、バックグラウンド除去のパフォーマンスをさらに向上させます。
機械から学習することにより、この分析は、標準的なマヨラナ分析に相互に利益をもたらす新しい背景カテゴリの重要性を明らかにします。
このモデルは、多数の検出器で同時にトレーニングできるため、LEGEND のような次世代ゲルマニウム検出器実験との互換性が高くなります。

要約(オリジナル)

The Majorana Demonstrator is a leading experiment searching for neutrinoless double-beta decay with high purity germanium detectors (HPGe). Machine learning provides a new way to maximize the amount of information provided by these detectors, but the data-driven nature makes it less interpretable compared to traditional analysis. An interpretability study reveals the machine’s decision-making logic, allowing us to learn from the machine to feedback to the traditional analysis. In this work, we have presented the first machine learning analysis of the data from the Majorana Demonstrator; this is also the first interpretable machine learning analysis of any germanium detector experiment. Two gradient boosted decision tree models are trained to learn from the data, and a game-theory-based model interpretability study is conducted to understand the origin of the classification power. By learning from data, this analysis recognizes the correlations among reconstruction parameters to further enhance the background rejection performance. By learning from the machine, this analysis reveals the importance of new background categories to reciprocally benefit the standard Majorana analysis. This model is highly compatible with next-generation germanium detector experiments like LEGEND since it can be simultaneously trained on a large number of detectors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google