Fast Low Energy Reconstruction using Convolutional Neural Networks

R. Abbasi; Markus Ackermann; J. Adams; S. K. Agarwalla; J. A. 𝑎; Aguilar; M. Ahlers; J. M. Alameddine; N. M. Amin; K. Andeen; C. Argüelles; Y. Ashida; S. Athanasiadou; S. N. Axani; R. Babu; X. Bai; A. Balagopal; M. Baricevic; S. W. Barwick; S. Bash; V. Basu; R. Bay; J. J. Beatty; J. Becker Tjus; 𝑏. P. Behrens; J. Beise; C. Bellenghi; S. Benzvi; D. Berley; E. Bernardini; 𝑐. D. Z. Besson; E. Blaufuss; L. Bloom; S. Blot; F. Bontempo; J. Y. Book Motzkin; C. Boscolo Meneguolo; 𝑐. S. Böser; O. Botner; J. Böttcher; J. Braun; B. Brinson; Z. Brisson-Tsavoussis; R. T. Burley; D. Butterfield; M. A. Campana; K. Carloni; J. Carpio; S. Chattopadhyay; 𝑎. N. Chau; Z. Chen; D. Chirkin; S. Choi; B. A. Clark; A. Coleman; P. Coleman; G. H. Collin; A. Connolly; J. M. Conrad; R. Corley; D. F. Cowen; C. De Clercq; J. J. Delaunay; D. Delgado; S. Deng; A. Desai; P. Desiati; K. D. De Vries; G. De Wasseige; T. Deyoung; J. C. Díaz-Vélez; S. Dikerby; M. Dittmer; A. Domi; L. Draper; L. Dueser; H. Dujmovic; D. Durnford; K. Dutta; M. A. Duvernois; T. Ehrhardt; L. Eidenschink; A. Eimer; P. Eller; E. Ellinger; D. Elsässer; R. Engel; H. Erpenbeck; W. Esmail; J. Evans; P. A. Evenson; K. L. Fan; K. Fang; K. Farrag; A. R. Fazely; A. Fedynitch; N. Feigl; C. Finley; L. Fischer; D. Fox; A. Franckowiak; S. Fukami; P. Fürst; J. Gallagher; E. Ganster; A. Garcia; M. Garcia; G. Garg; 𝑎. E. Genton; L. Gerhardt; A. Ghadimi; C. Glaser; T. Glüsenkamp; J. G. Gonzalez; S. Goswami; A. Granados; D. Grant; S. J. Gray; S. Griffin; S. Griswold; K. M. Groth; D. Guevel; C. Günther; P. Gutjahr; C. Ha; C. Haack; A. Hallgren; L. Halve; F. Halzen; L. Hamacher; M. Ha Minh; M. Handt; K. Hanson; J. Hardin; A. A. Harnisch; P. Hatch; A. Haungs; J. Häußler; K. Helbing; J. Hellrung; L. Hennig; L. Heuermann; R. Hewett; N. Heyer; S. Hickford; A. Hidvegi; C. Hill; G. C. Hill; R. Hmaid; K. D. Hoffman; S. Hori; K. Hoshina; 𝑑. M. Hostert; W. Hou; T. Huber; K. Hultqvist; R. Hussain; K. Hymon; A. Ishihara; W. Iwakiri; M. Jacquart; S. Jain; O. Janik; M. Jansson; M. Jeong; M. Jin; N. Kamp; D. Kang; W. Kang; X. Kang; A. Kappes; L. Kardum; Timo Karg; M. Karl; A. Karle; A. Katil; M. Kauer; J. L. Kelley; M. Khanal; A. Khatee Zathul; A. Kheirandish; H. Kimku; J. Kiryluk; C. Klein; S. R. Klein; Y. Kobayashi; A. Kochocki; R. Koirala; H. Kolanoski; T. Kontrimas; L. Köpke; C. Kopper; D. J. Koskinen; P. Koundal; M. Kowalski; T. Kozynets; N. Krieger; J. Krishnamoorthi; 𝑎. T. Krishnan; K. Kruiswijk; E. Krupczak; A. Kumar; E. Kun; N. Kurahashi; N. Lad; C. Lagunas Gualda; M. Lamoureux; M. J. Larson; F. Lauber; J. P. Lazar; K. Leonard Deholton; A. Leszczyńska; J. Liao; Y. T. Liu; M. Liubarska; C. Love; L. Lu; F. Lucarelli; W. Luszczak; Y. Lyu; J. Madsen; E. Magnus; K. B. M. Mahn; Y. Makino; E. Manao; S. Mancina; 𝑒. A. Mand; W. Marie Sainte; I. C. Mariş; S. Marka; Z. Marka; L. Marten; I. Martinez-Soler; R. Maruyama; F. Mayhew; F. Mcnally; J. V. Mead; K. Meagher; S. Mechbal; A. Medina; M. Meier; Y. Merckx; L. Merten; J. Micallef; 𝑓. J. Mitchell; L. Molchany; T. Montaruli; R. W. Moore; Y. Morii; R. Morse; A. Mosbrugger; M. Moulai; T. Mukherjee; R. Naab; M. Nakos; U. Naumann; J. Necker; L. Neste; M. Neumann; H. Niederhausen; M. U. Nisa; K. Noda; A. Noell; A. Novikov; A. Obertacke Pollmann; V. O'dell; A. Olivas; R. Orsoe; J. Osborn; E. O'sullivan; V. Palusova; H. Pandya; A. Parenti; N. Park; V. Parrish; E. N. Paudel; L. Paul; C. Pérez De Los Heros; T. Pernice; J. Peterson; A. Pizzuto; M. Plum; A. Pontén; V. Poojyam; Y. Popovych; M. Prado Rodriguez; B. Pries; R. Procter-Murphy; G. T. Przybylski; L. Pyras; C. Raab; J. Rack-Helleis; N. Rad; M. Ravn; K. Rawlins; Z. Rechav; A. Rehman; I. Reistroffer; E. Resconi; S. Reusch; C. D. Rho; W. Rhode; B. Riedel; A. Rifaie; E. J. Roberts; S. Robertson; S. Rodan; M. Rongen; A. Rosted; C. Rott; T. Ruhe; L. Ruohan; I. Safa; J. Saffer; D. Salazar-Gallegos; P. Sampathkumar; A. Sandrock; M. Santander; S. Sarkar; J. Savelberg; P. Savina; P. Schaile; M. Schaufel; H. Schieler; S. Schindler; L. Schlickmann; B. Schlüter; F. Schlüter; N. Schmeisser; T. Schmidt; F. G. Schröder; L. Schumacher; S. Schwirn; S. Sclafani; D. Seckel; L. Seen; M. Seikh; M. Seo; S. Seunarine; P. A. Sevle Myhr; R. Shah; S. Shefali; N. Shimizu; M. Silva; B. Skrzypek; R. Snihur; J. Soedingrekso; A. Søgaard; D. Soldin; P. Soldin; G. Sommani; C. Spannfellner; G. M. Spiczak; C. Spiering; J. Stachurska; M. Stamatikos; T. Stanev; T. Stezelberger; T. Stürwald; T. Stuttard; G. W. Sullivan; I. Taboada; S. Ter-Antonyan; A. Terliuk; A. Thakuri; M. Thiesmeyer; W. G. Thompson; J. Thwaites; S. Tilav; K. Tollefson; C. Tönnis; S. Toscano; D. Tosi; A. Trettin; M. A. Unland Elorrieta; A. K. Upadhyay; 𝑎. K. Upshaw; A. Vaidyanathan; N. Valtonen-Mattila; J. Vandenbroucke; T. Van Eeden; N. Van Eijndhoven; J. Van Santen; J. Vara; F. Varsi; J. Veitch-Michaelis; M. Venugopal; M. Vereecken; S. Vergara Carrasco; S. Verpoest; D. Veske; A. Vijai; J. Villarreal; C. Walck; A. Wang; E. Warrick; C. Weaver; P. Weigel; A. Weindl; A. Y. Wen; C. Wendt; J. Werthebach; M. Weyrauch; N. Whitehorn; C. H. Wiebusch; D. R. Williams; J. Willison; L. Witthaus; M. Wolf; G. Wrede; X. W. Xu; J. P. Ya\~nez; E. Yildizci; S. Yoshida; R. Young; F. Yu; S. Yu; T. Yuan; A. Zegarelli; S. Zhang; Z. Zhang; P. Zhelnin; P. Zilberman; M. Zimmerman; IceCube Collaboration

doi:10.3204/pubdb-2025-05428

Dataset

Fast Low Energy Reconstruction using Convolutional Neural Networks

R. Abbasi, Markus Ackermann, J. Adams, S. K. Agarwalla, J. A. 𝑎, Aguilar, M. Ahlers, J. M. Alameddine, N. M. Amin, K. Andeen, …

2025

DOI: https://doi.org/10.3204/pubdb-2025-05428

Additional Links

Abstract

IceCube is a Cherenkov detector instrumenting over a cubic kilometer of glacial ice deep under the surface of the South Pole. The DeepCore sub-detector lowers the detection energy threshold to a few GeV, enabling the precise measurements of neutrino oscillation parameters with atmospheric neutrinos. The reconstruction of neutrino interactions inside the detector is essential in studying neutrino oscillations. It is particularly challenging to reconstruct sub-100 GeV events with the IceCube detectors due to the relatively sparse detection units and detection medium. Convolutional neural networks (CNNs) are broadly used in physics experiments for both classification and regression purposes. This paper discusses the CNNs developed and employed for the latest IceCube-DeepCore oscillation measurements. These CNNs estimate various properties of the detected neutrinos, such as their energy, direction of arrival, interaction vertex position, flavor-related signature, and are also used for background classification.

Metrics

1 Record Views

Details

Title: Fast Low Energy Reconstruction using Convolutional Neural Networks
Creators: R. Abbasi
Markus Ackermann - Deutsches Elektronen-Synchrotron
J. Adams
S. K. Agarwalla
J. A. 𝑎
Aguilar
M. Ahlers
J. M. Alameddine
N. M. Amin
K. Andeen
C. Argüelles
Y. Ashida
S. Athanasiadou
S. N. Axani
R. Babu
X. Bai
A. Balagopal
M. Baricevic
S. W. Barwick
S. Bash
V. Basu
R. Bay
J. J. Beatty
J. Becker Tjus
𝑏. P. Behrens
J. Beise
C. Bellenghi
S. Benzvi
D. Berley
E. Bernardini
𝑐. D. Z. Besson
E. Blaufuss
L. Bloom
S. Blot
F. Bontempo
J. Y. Book Motzkin
C. Boscolo Meneguolo
𝑐. S. Böser
O. Botner
J. Böttcher
J. Braun
B. Brinson
Z. Brisson-Tsavoussis
R. T. Burley
D. Butterfield
M. A. Campana
K. Carloni
J. Carpio
S. Chattopadhyay
𝑎. N. Chau
Z. Chen
D. Chirkin
S. Choi
B. A. Clark
A. Coleman
P. Coleman
G. H. Collin
A. Connolly
J. M. Conrad
R. Corley
D. F. Cowen
C. De Clercq
J. J. Delaunay
D. Delgado
S. Deng
A. Desai
P. Desiati
K. D. De Vries
G. De Wasseige
T. Deyoung
J. C. Díaz-Vélez
S. Dikerby
M. Dittmer
A. Domi
L. Draper
L. Dueser
H. Dujmovic
D. Durnford
K. Dutta
M. A. Duvernois
T. Ehrhardt
L. Eidenschink
A. Eimer
P. Eller
E. Ellinger
D. Elsässer
R. Engel
H. Erpenbeck
W. Esmail
J. Evans
P. A. Evenson
K. L. Fan
K. Fang
K. Farrag
A. R. Fazely
A. Fedynitch
N. Feigl
C. Finley
L. Fischer
D. Fox
A. Franckowiak
S. Fukami
P. Fürst
J. Gallagher
E. Ganster
A. Garcia
M. Garcia
G. Garg
𝑎. E. Genton
L. Gerhardt
A. Ghadimi
C. Glaser
T. Glüsenkamp
J. G. Gonzalez
S. Goswami
A. Granados
D. Grant
S. J. Gray
S. Griffin
S. Griswold
K. M. Groth
D. Guevel
C. Günther
P. Gutjahr
C. Ha
C. Haack
A. Hallgren
L. Halve
F. Halzen
L. Hamacher
M. Ha Minh
M. Handt
K. Hanson
J. Hardin
A. A. Harnisch
P. Hatch
A. Haungs
J. Häußler
K. Helbing
J. Hellrung
L. Hennig
L. Heuermann
R. Hewett
N. Heyer
S. Hickford
A. Hidvegi
C. Hill
G. C. Hill
R. Hmaid
K. D. Hoffman
S. Hori
K. Hoshina
𝑑. M. Hostert
W. Hou
T. Huber
K. Hultqvist
R. Hussain
K. Hymon
A. Ishihara
W. Iwakiri
M. Jacquart
S. Jain
O. Janik
M. Jansson
M. Jeong
M. Jin
N. Kamp
D. Kang
W. Kang
X. Kang
A. Kappes
L. Kardum
Timo Karg - Deutsches Elektronen-Synchrotron
M. Karl
A. Karle
A. Katil
M. Kauer
J. L. Kelley
M. Khanal
A. Khatee Zathul
A. Kheirandish
H. Kimku
J. Kiryluk
C. Klein
S. R. Klein
Y. Kobayashi
A. Kochocki
R. Koirala
H. Kolanoski
T. Kontrimas
L. Köpke
C. Kopper
D. J. Koskinen
P. Koundal
M. Kowalski
T. Kozynets
N. Krieger
J. Krishnamoorthi
𝑎. T. Krishnan
K. Kruiswijk
E. Krupczak
A. Kumar
E. Kun
N. Kurahashi
N. Lad
C. Lagunas Gualda
M. Lamoureux
M. J. Larson
F. Lauber
J. P. Lazar
K. Leonard Deholton
A. Leszczyńska
J. Liao
Y. T. Liu
M. Liubarska
C. Love
L. Lu
F. Lucarelli
W. Luszczak
Y. Lyu
J. Madsen
E. Magnus
K. B. M. Mahn
Y. Makino
E. Manao
S. Mancina
𝑒. A. Mand
W. Marie Sainte
I. C. Mariş
S. Marka
Z. Marka
L. Marten
I. Martinez-Soler
R. Maruyama
F. Mayhew
F. Mcnally
J. V. Mead
K. Meagher
S. Mechbal
A. Medina
M. Meier
Y. Merckx
L. Merten
J. Micallef
𝑓. J. Mitchell
L. Molchany
T. Montaruli
R. W. Moore
Y. Morii
R. Morse
A. Mosbrugger
M. Moulai
T. Mukherjee
R. Naab
M. Nakos
U. Naumann
J. Necker
L. Neste
M. Neumann
H. Niederhausen
M. U. Nisa
K. Noda
A. Noell
A. Novikov
A. Obertacke Pollmann
V. O'dell
A. Olivas
R. Orsoe
J. Osborn
E. O'sullivan
V. Palusova
H. Pandya
A. Parenti
N. Park
V. Parrish
E. N. Paudel
L. Paul
C. Pérez De Los Heros
T. Pernice
J. Peterson
A. Pizzuto
M. Plum
A. Pontén
V. Poojyam
Y. Popovych
M. Prado Rodriguez
B. Pries
R. Procter-Murphy
G. T. Przybylski
L. Pyras
C. Raab
J. Rack-Helleis
N. Rad
M. Ravn
K. Rawlins
Z. Rechav
A. Rehman
I. Reistroffer
E. Resconi
S. Reusch
C. D. Rho
W. Rhode
B. Riedel
A. Rifaie
E. J. Roberts
S. Robertson
S. Rodan
M. Rongen
A. Rosted
C. Rott
T. Ruhe
L. Ruohan
I. Safa
J. Saffer
D. Salazar-Gallegos
P. Sampathkumar
A. Sandrock
M. Santander
S. Sarkar
J. Savelberg
P. Savina
P. Schaile
M. Schaufel
H. Schieler
S. Schindler
L. Schlickmann
B. Schlüter
F. Schlüter
N. Schmeisser
T. Schmidt
F. G. Schröder
L. Schumacher
S. Schwirn
S. Sclafani
D. Seckel
L. Seen
M. Seikh
M. Seo
S. Seunarine
P. A. Sevle Myhr
R. Shah
S. Shefali
N. Shimizu
M. Silva
B. Skrzypek
R. Snihur
J. Soedingrekso
A. Søgaard
D. Soldin
P. Soldin
G. Sommani
C. Spannfellner
G. M. Spiczak
C. Spiering
J. Stachurska
M. Stamatikos
T. Stanev
T. Stezelberger
T. Stürwald
T. Stuttard
G. W. Sullivan
I. Taboada
S. Ter-Antonyan
A. Terliuk
A. Thakuri
M. Thiesmeyer
W. G. Thompson
J. Thwaites
S. Tilav
K. Tollefson
C. Tönnis
S. Toscano
D. Tosi
A. Trettin
M. A. Unland Elorrieta
A. K. Upadhyay
𝑎. K. Upshaw
A. Vaidyanathan
N. Valtonen-Mattila
J. Vandenbroucke
T. Van Eeden
N. Van Eijndhoven
J. Van Santen
J. Vara
F. Varsi
J. Veitch-Michaelis
M. Venugopal
M. Vereecken
S. Vergara Carrasco
S. Verpoest
D. Veske
A. Vijai
J. Villarreal
C. Walck
A. Wang
E. Warrick
C. Weaver
P. Weigel
A. Weindl
A. Y. Wen
C. Wendt
J. Werthebach
M. Weyrauch
N. Whitehorn
C. H. Wiebusch
D. R. Williams
J. Willison
L. Witthaus
M. Wolf
G. Wrede
X. W. Xu
J. P. Ya\~nez
E. Yildizci
S. Yoshida
R. Young
F. Yu
S. Yu
T. Yuan
A. Zegarelli
S. Zhang
Z. Zhang
P. Zhelnin
P. Zilberman
M. Zimmerman
IceCube Collaboration - Deutsches Elektronen-Synchrotron
Publisher: Deutsches Elektronen-Synchrotron, DESY
Resource Type: Dataset
Language: English
Academic Unit: Physics
Other Identifier: 991022154866204721

Fast Low Energy Reconstruction using Convolutional Neural Networks

Additional Links

Abstract

Metrics

Details

Drexel University Social media