For the next-generation massive neutrino experiments, selecting a signal in the background events is very important. To do this, we investigated the results of applying a machine learning technique to the selection of neutrino signals. The neutrino signal after inverse beta decay and the background events in a gadolinium-loaded liquid scintillation detector were reproduced by using Monte Carlo simulations. The inverse beta decay process is well-known and has relatively high statistical quantities for this simulation. In this study, an efficiency of signal selection through machine learning was obtained, and in this paper several results are briefly described. Finally, the machine learning technique is expected to become an important tool for use in the next-generation neutrino experiment.

Keywords: Machine learning, Neutrino, Liquid scintillator, Neutrino mixing angle, Next generation neutrino detector

차세대 대형 중성미자 검출 실험에서 배경사건과 원하는 신호를 효율적으로 선별하는 것은 매우 중요하다. 이를 위해서 현재 유용하게 사용되고 있는 분석 기술의 하나인 기계학습을 사용하여 중성미자 신호 선별에 적용하였을 때의 결과를 살펴보고자 한다. 이를 위해 비교적 특징이 잘 알려지고, 상대적으로 통계량이 높은 원자로 중성미자의 역베타 붕괴 반응 이후 신호와 배경사건들을 몬테카를로 시뮬레이션을 통하여 재현하고, 기계학습을 통한 신호선별 효율을 확인하였다. 최종적으로는 향후 차세대 중성미자 실험에서 중요한 도구로 사용될 수 있을 것으로 기대한다.

Keywords: 기계학습, 중성미자, 액체섬광검출용액, 진동변환상수, 차세대 중성미자 검출기