Abstract
The current and upcoming generation of Very Large Volume Neutrino Telescopes – collecting unprecedented quantities of neutrino events – can be used to explore subtle effects in oscillation physics, such as (but not restricted to) the neutrino mass ordering. The sensitivity of an experiment to these effects can be estimated from Monte Carlo simulations. With the high number of events that will be collected, there is a trade-off between the computational expense of running such simulations and the inherent statistical uncertainty in the determined values. In such a scenario, it becomes impractical to produce and use adequately-sized sets of simulated events with traditional methods, such as Monte Carlo weighting. In this work we present a staged approach to the generation of expected distributions of observables in order to overcome these challenges. By combining multiple integration and smoothing techniques which address limited statistics from simulation it arrives at reliable analysis results using modest computational resources.
Original language | English |
---|---|
Article number | 164332 |
Journal | Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment |
Volume | 977 |
DOIs | |
Publication status | Published - 2020 Oct 11 |
Externally published | Yes |
Bibliographical note
Publisher Copyright:© 2020 Elsevier B.V.
Keywords
- Data analysis
- Detector
- KDE
- MC
- Monte Carlo
- Neutrino
- Neutrino mass ordering
- Smoothing
- Statistics
- VLVνT
ASJC Scopus subject areas
- Nuclear and High Energy Physics
- Instrumentation
Fingerprint
Dive into the research topics of 'Computational techniques for the analysis of small signals in high-statistics neutrino oscillation experiments'. Together they form a unique fingerprint.Cite this
- APA
- Standard
- Harvard
- Vancouver
- Author
- BIBTEX
- RIS
In: Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment, Vol. 977, 164332, 11.10.2020.
Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - Computational techniques for the analysis of small signals in high-statistics neutrino oscillation experiments
AU - Aartsen, M. G.
AU - Ackermann, M.
AU - Adams, J.
AU - Aguilar, J. A.
AU - Ahlers, M.
AU - Ahrens, M.
AU - Alispach, C.
AU - Andeen, K.
AU - Anderson, T.
AU - Ansseau, I.
AU - Anton, G.
AU - Argüelles, C.
AU - Arlen, T. C.
AU - Auffenberg, J.
AU - Axani, S.
AU - Backes, P.
AU - Bagherpour, H.
AU - Bai, X.
AU - Balagopal, A. V.
AU - Barbano, A.
AU - Barwick, S. W.
AU - Bastian, B.
AU - Baum, V.
AU - Baur, S.
AU - Bay, R.
AU - Beatty, J. J.
AU - Becker, K. H.
AU - Becker Tjus, J.
AU - BenZvi, S.
AU - Berley, D.
AU - Bernardini, E.
AU - Besson, D. Z.
AU - Binder, G.
AU - Bindig, D.
AU - Blaufuss, E.
AU - Blot, S.
AU - Bohm, C.
AU - Börner, M.
AU - Böser, S.
AU - Botner, O.
AU - Böttcher, J.
AU - Bourbeau, E.
AU - Bourbeau, J.
AU - Bradascio, F.
AU - Braun, J.
AU - Bron, S.
AU - Brostean-Kaiser, J.
AU - Burgman, A.
AU - Buscher, J.
AU - Busse, R. S.
AU - Carver, T.
AU - Chen, C.
AU - Cheung, E.
AU - Chirkin, D.
AU - Choi, S.
AU - Clark, K.
AU - Classen, L.
AU - Coleman, A.
AU - Collin, G. H.
AU - Conrad, J. M.
AU - Coppin, P.
AU - Correa, P.
AU - Cowen, D. F.
AU - Cross, R.
AU - Dave, P.
AU - De Clercq, C.
AU - DeLaunay, J. J.
AU - Dembinski, H.
AU - Deoskar, K.
AU - De Ridder, S.
AU - Desiati, P.
AU - de Vries, K. D.
AU - de Wasseige, G.
AU - de With, M.
AU - DeYoung, T.
AU - Diaz, A.
AU - Dáz-Vélez, J. C.
AU - Dujmovic, H.
AU - Dunkman, M.
AU - Dvorak, E.
AU - Eberhardt, B.
AU - Ehrhardt, T.
AU - Eller, P.
AU - Engel, R.
AU - Evans, J. J.
AU - Evenson, P. A.
AU - Fahey, S.
AU - Fazely, A. R.
AU - Felde, J.
AU - Filimonov, K.
AU - Finley, C.
AU - Fox, D.
AU - Franckowiak, A.
AU - Friedman, E.
AU - Fritz, A.
AU - Gaisser, T. K.
AU - Gallagher, J.
AU - Ganster, E.
AU - Garrappa, S.
AU - Gerhardt, L.
AU - Ghorbani, K.
AU - Glauch, T.
AU - Glüsenkamp, T.
AU - Goldschmidt, A.
AU - Gonzalez, J. G.
AU - Grant, D.
AU - Griffith, Z.
AU - Griswold, S.
AU - Günder, M.
AU - Gündüz, M.
AU - Haack, C.
AU - Hallgren, A.
AU - Halliday, R.
AU - Halve, L.
AU - Halzen, F.
AU - Hanson, K.
AU - Haungs, A.
AU - Hebecker, D.
AU - Heereman, D.
AU - Heix, P.
AU - Helbing, K.
AU - Hellauer, R.
AU - Henningsen, F.
AU - Hickford, S.
AU - Hignight, J.
AU - Hill, G. C.
AU - Hoffman, K. D.
AU - Hoffmann, R.
AU - Hoinka, T.
AU - Hokanson-Fasig, B.
AU - Hoshina, K.
AU - Huang, F.
AU - Huber, M.
AU - Huber, T.
AU - Hultqvist, K.
AU - Hünnefeld, M.
AU - Hussain, R.
AU - In, S.
AU - Iovine, N.
AU - Ishihara, A.
AU - Japaridze, G. S.
AU - Jeong, M.
AU - Jero, K.
AU - Jones, B. J.P.
AU - Jonske, F.
AU - Joppe, R.
AU - Kang, D.
AU - Kang, W.
AU - Kappes, A.
AU - Kappesser, D.
AU - Karg, T.
AU - Karl, M.
AU - Karle, A.
AU - Katori, T.
AU - Katz, U.
AU - Kauer, M.
AU - Kelley, J. L.
AU - Kheirandish, A.
AU - Kim, J.
AU - Kintscher, T.
AU - Kiryluk, J.
AU - Kittler, T.
AU - Klein, S. R.
AU - Koirala, R.
AU - Kolanoski, H.
AU - Köpke, L.
AU - Kopper, C.
AU - Kopper, S.
AU - Koskinen, D. J.
AU - Kowalski, M.
AU - Krings, K.
AU - Krückl, G.
AU - Kulacz, N.
AU - Kurahashi, N.
AU - Kyriacou, A.
AU - Lanfranchi, J. L.
AU - Larson, M. J.
AU - Lauber, F.
AU - Lazar, J. P.
AU - Leonard, K.
AU - Leszczyńska, A.
AU - Leuermann, M.
AU - Liu, Q. R.
AU - Lohfink, E.
AU - Lozano Mariscal, C. J.
AU - Lu, L.
AU - Lucarelli, F.
AU - Lünemann, J.
AU - Luszczak, W.
AU - Lyu, Y.
AU - Ma, W. Y.
AU - Madsen, J.
AU - Maggi, G.
AU - Mahn, K. B.M.
AU - Makino, Y.
AU - Mallik, P.
AU - Mallot, K.
AU - Mancina, S.
AU - Mandalia, S.
AU - Mariş, I. C.
AU - Maruyama, R.
AU - Mase, K.
AU - Maunu, R.
AU - McNally, F.
AU - Meagher, K.
AU - Medici, M.
AU - Medina, A.
AU - Meier, M.
AU - Meighen-Berger, S.
AU - Menne, T.
AU - Merino, G.
AU - Meures, T.
AU - Micallef, J.
AU - Mockler, D.
AU - Momenté, G.
AU - Montaruli, T.
AU - Moore, R. W.
AU - Morse, R.
AU - Moulai, M.
AU - Muth, P.
AU - Nagai, R.
AU - Naumann, U.
AU - Neer, G.
AU - Niederhausen, H.
AU - Nisa, M. U.
AU - Nowicki, S. C.
AU - Nygren, D. R.
AU - Obertacke Pollmann, A.
AU - Oehler, M.
AU - Olivas, A.
AU - O'Murchadha, A.
AU - O'Sullivan, E.
AU - Palczewski, T.
AU - Pandya, H.
AU - Pankova, D. V.
AU - Park, N.
AU - Peiffer, P.
AU - Pérez de los Heros, C.
AU - Philippen, S.
AU - Pieloth, D.
AU - Pinat, E.
AU - Pizzuto, A.
AU - Plum, M.
AU - Porcelli, A.
AU - Price, P. B.
AU - Przybylski, G. T.
AU - Raab, C.
AU - Raissi, A.
AU - Rameez, M.
AU - Rauch, L.
AU - Rawlins, K.
AU - Rea, I. C.
AU - Reimann, R.
AU - Relethford, B.
AU - Renschler, M.
AU - Renzi, G.
AU - Resconi, E.
AU - Rhode, W.
AU - Richman, M.
AU - Robertson, S.
AU - Rongen, M.
AU - Rott, C.
AU - Ruhe, T.
AU - Ryckbosch, D.
AU - Rysewyk, D.
AU - Safa, I.
AU - Sanchez Herrera, S. E.
AU - Sandrock, A.
AU - Sandroos, J.
AU - Santander, M.
AU - Sarkar, S.
AU - Satalecka, K.
AU - Schaufel, M.
AU - Schieler, H.
AU - Schlunder, P.
AU - Schmidt, T.
AU - Schneider, A.
AU - Schneider, J.
AU - Schröder, F. G.
AU - Schulte, L.
AU - Schumacher, L.
AU - Sclafani, S.
AU - Seckel, D.
AU - Seunarine, S.
AU - Shefali, S.
AU - Silva, M.
AU - Snihur, R.
AU - Soedingrekso, J.
AU - Soldin, D.
AU - Söldner-Rembold, S.
AU - Song, M.
AU - Spiczak, G. M.
AU - Spiering, C.
AU - Stachurska, J.
AU - Stamatikos, M.
AU - Stanev, T.
AU - Stein, R.
AU - Steinmüller, P.
AU - Stettner, J.
AU - Steuer, A.
AU - Stezelberger, T.
AU - Stokstad, R. G.
AU - Stößl, A.
AU - Strotjohann, N. L.
AU - Stürwald, T.
AU - Stuttard, T.
AU - Sullivan, G. W.
AU - Taboada, I.
AU - Tenholt, F.
AU - Ter-Antonyan, S.
AU - Terliuk, A.
AU - Tilav, S.
AU - Tollefson, K.
AU - Tomankova, L.
AU - Tönnis, C.
AU - Toscano, S.
AU - Tosi, D.
AU - Trettin, A.
AU - Tselengidou, M.
AU - Tung, C. F.
AU - Turcati, A.
AU - Turcotte, R.
AU - Turley, C. F.
AU - Ty, B.
AU - Unger, E.
AU - Unland Elorrieta, M. A.
AU - Usner, M.
AU - Vandenbroucke, J.
AU - Van Driessche, W.
AU - van Eijk, D.
AU - van Eijndhoven, N.
AU - van Santen, J.
AU - Verpoest, S.
AU - Vraeghe, M.
AU - Walck, C.
AU - Wallace, A.
AU - Wallraff, M.
AU - Wandkowsky, N.
AU - Watson, T. B.
AU - Weaver, C.
AU - Weindl, A.
AU - Weiss, M. J.
AU - Weldert, J.
AU - Wendt, C.
AU - Werthebach, J.
AU - Whelan, B. J.
AU - Whitehorn, N.
AU - Wiebe, K.
AU - Wiebusch, C. H.
AU - Wille, L.
AU - Williams, D. R.
AU - Wills, L.
AU - Wolf, M.
AU - Wood, J.
AU - Wood, T. R.
AU - Woschnagg, K.
AU - Wrede, G.
AU - Wren, S.
AU - Xu, D. L.
AU - Xu, X. W.
AU - Xu, Y.
AU - Yanez, J. P.
AU - Yodh, G.
AU - Yoshida, S.
AU - Yuan, T.
AU - Zöcklein, M.
N1 - Publisher Copyright: © 2020 Elsevier B.V.
PY - 2020/10/11
Y1 - 2020/10/11
N2 - The current and upcoming generation of Very Large Volume Neutrino Telescopes – collecting unprecedented quantities of neutrino events – can be used to explore subtle effects in oscillation physics, such as (but not restricted to) the neutrino mass ordering. The sensitivity of an experiment to these effects can be estimated from Monte Carlo simulations. With the high number of events that will be collected, there is a trade-off between the computational expense of running such simulations and the inherent statistical uncertainty in the determined values. In such a scenario, it becomes impractical to produce and use adequately-sized sets of simulated events with traditional methods, such as Monte Carlo weighting. In this work we present a staged approach to the generation of expected distributions of observables in order to overcome these challenges. By combining multiple integration and smoothing techniques which address limited statistics from simulation it arrives at reliable analysis results using modest computational resources.
AB - The current and upcoming generation of Very Large Volume Neutrino Telescopes – collecting unprecedented quantities of neutrino events – can be used to explore subtle effects in oscillation physics, such as (but not restricted to) the neutrino mass ordering. The sensitivity of an experiment to these effects can be estimated from Monte Carlo simulations. With the high number of events that will be collected, there is a trade-off between the computational expense of running such simulations and the inherent statistical uncertainty in the determined values. In such a scenario, it becomes impractical to produce and use adequately-sized sets of simulated events with traditional methods, such as Monte Carlo weighting. In this work we present a staged approach to the generation of expected distributions of observables in order to overcome these challenges. By combining multiple integration and smoothing techniques which address limited statistics from simulation it arrives at reliable analysis results using modest computational resources.
KW - Data analysis
KW - Detector
KW - KDE
KW - MC
KW - Monte Carlo
KW - Neutrino
KW - Neutrino mass ordering
KW - Smoothing
KW - Statistics
KW - VLVνT
UR - http://www.scopus.com/inward/record.url?scp=85087620956&partnerID=8YFLogxK
U2 - 10.1016/j.nima.2020.164332
DO - 10.1016/j.nima.2020.164332
M3 - Article
AN - SCOPUS:85087620956
SN - 0168-9002
VL - 977
JO - Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment
JF - Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment
M1 - 164332
ER -