基于深度学习的锗探测器的脉冲形状判别

寻找诸如中微子双β衰变这样的罕见过程的实验很大程度上依赖于背景事件的识别，以降低其背景水平并提高其灵敏度。 我们提出了一种新颖的基于机器学习的方法来识别这些实验中最丰富的背景事件之一。 通过将用于特征提取的神经网络与较小的分类网络相结合，我们的方法可以仅使用少量标记事件进行训练。 为了验证我们的方法，我们使用来自宽能锗探测器的信号，该探测器用$$ ^ {228} $$ 228 Thγ射线辐照。 我们发现它与这种检测器类型常用的最新算法的性能相匹配。 但是，它需要较少的调整和校准，并显示出识别其他方法遗漏的某些类型背景事件的潜力。