guest ::
Energy scale non-linearity and event reconstruction for the neutrino mass ordering measurement of the JUNO experiment = Nichtlinearität der Energieskala und Eventrekonstruktion für die Messung der Neutrinomassenanordnung des JUNO Experiments
2020 & 2021
Dissertation, RWTH Aachen University, 2020
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2021
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2020-11-18
Online
DOI: 10.18154/RWTH-2020-11583
URL: https://publications.rwth-aachen.de/record/807734/files/807734.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
JUNO (frei) ; liquid scintillator (frei) ; neutrino (frei) ; neutrino mass ordering (frei) ; quenching (frei) ; reconstruction (frei) ; simulation (frei)
Thematische Einordnung (Klassifikation)
DDC: 530
Kurzfassung
Das JUNO-Experiment ist ein Neutrino-Experiment der nächsten Generation, das in der Nähe des Perlflussdeltas in Südchina gebaut wird. Es wird erwartet, dass die Datenerfassung, die hauptsächlich darauf abzielt, die Neutrinomassenanordnung mit 3-4 $\sigma$ Sensitivität in etwa 6 Jahren Datennahme zu bestimmen, in 2022 beginnt. Dazu wird es das oszillierte Energiespektrum der Elektron-Antineutrinos aus zwei Kernkraftwerken in einer Distanz von etwa 53 km mit einer nötigen Energieauflösung von 3% bei 1 MeV und einer subprozentigen Unsicherheit auf die Energieskala messen. Um diese Anforderungen zu erreichen, besteht der JUNO-Detektor aus einem großen 20 kt Flüssigszintillator-Detektor, der mit einem dichten PMT-Array bestehend aus etwa 18.000 großen 20''-PMT's und 25.000 kleinen 3''-PMT's instrumentiert ist. Neben dem Hauptziel plant JUNO eine große Vielfalt von wichtigen Themen der Neutrino- und Astroteilchenphysik zu behandeln. Der erste Teil dieser Arbeit gibt einen Überblick über den aktuellen Stand der Neutrinophysik und zeigt, warum die Bestimmung der Neutrinomassenanordnung ein Schlüssel zur Erforschung eines großen Bereichs physikalischer Themen ist. Darüber hinaus gibt sie einen Überblick über das JUNO-Experiment: die Konstruktion des Detektors und seine Kalibrierung, das Simulationsframework und die verschiedenen physikalischen Ziele des JUNO-Experiments. Neben dem Detektordesign ist eine akribische Datenanalyse notwendig, um sicherzustellen, dass das JUNO-Experiment die Anforderungen an die Präzision und Genauigkeit der rekonstruierten Energie erreichen kann. Solche Analysemethoden werden im zweiten Teil dieser Doktorarbeit vorgestellt. Hier wird ein Modell vorgestellt, das zur Beschreibung der nichtlinearen Lichtproduktion von Positronen im Flüssigszintillator benutzt werden kann. Basierend auf dem Nichtlinearitätsmodell der Elektronen wird ein Algorithmus eingeführt, der das komplexere Nichtlinearitätsmodell von Gammas berechnet und beide kombiniert, um schließlich das Nichtlinearitätsmodell von Positronen zu erhalten. Die Energieaufösung von JUNO wird durch die Unsicherheit auf die rekonstruierten Lichtemissionsvertizes beeinflusst. Da sich die Menge des detektierten Lichts sich für eine konstante Energie mit der Position der Lichtemission im Detektor ändert, wird die Energieauflösung von JUNO direkt durch die Unsicherheit auf die rekonstruierten Lichtemissionsvertizes beeinflusst. Die Vertexrekonstruktion findet den Lichtemissionsvertex durch Minimierung einer Likelihood-Funktion, die die Informationen über die Zeiten und Ladungen der PMT-Treffer enthält. Es wird gezeigt, dass die Unsicherheit auf dem rekonstruierten Vertex an den äußeren Teilen des Volumens besonders gering ist, wo die Auswirkung auf die Energieauflösung am größten ist. Zusätzlich zur Verbesserung der Energieauflösung wird gezeigt, wie die Vertexrekonstruktion genutzt werden kann, um die Richtung eines Elektron-Antineutrinoflusses einer Punktquelle zu rekonstruieren. Ein weiterer wichtiger Effekt, der die rekonstruierte Energie in JUNO verzerrt, ist die Anhäufung von Signalereignissen mit $^{14}$C-Zerfällen. Der organische Szintillator enthält große Mengen an natürlichem, radioaktiven $^{14}$C. Diese $^{14}$C-Zerfälle sind in der Lage, mit gemessenen Signalereignissen zeitlich zusammenzufallen und eine Verschmierung der gemessenen Energie zu verursachen. Um den Einfluss dieser $^{14}$C-Zerfälle zu reduzieren, werden zwei Analysemethoden vorgestellt. Ein Clustering-Algorithmus identifiziert unterschiedliche Energiedepositionen in der Zeitverteilung der PMT-Treffer. Dieser Algorithmus ist optimiert auf die Sensitivität von JUNO zur Bestimmung der Neutrinomassenanordnung. Für Ereigniskoinzidenzen, die sich zeitlich nicht trennen lassen, wird die Vertex-Rekonstruktion dazu verwendet, einen Likelihood-Test durchzuführen, um diese zu identifizieren.The JUNO experiment is a next-generation neutrino experiment under construction in vicinity of the Pearl River Delta in Southern China. It is expected to start data-taking in 2022 and aims to address the determination of the Neutrino Mass Ordering with 3-4 $\sigma$ sensitivity in about 6 years as its main goal. For that, it will measure the oscillated energy spectrum of electron anti-neutrinos from two nuclear power plants at a baseline of about 53 km with a required energy resolution of 3 % at 1 MeV and a sub-percent uncertainty on the energy scale. In order to reach these requirements, the JUNO detector consists of a large 20 kton liquid scintillator detector, which is instrumented with a dense PMT array consisting of about 18,000 large 20''-PMT's and 25,000 small 3''-PMT's. Besides this main goal it aims to address a large variety of important topics in neutrino and astroparticle physics.The first part of this thesis gives an overview over the current status of neutrino physics and shows why the determination of the Neutrino Mass Ordering is a key to explore a large area of physics topics. Moreover, it gives an overview of the JUNO experiment: the detector design and its calibration, the simulation framework, and the various physics goals of the JUNO experiment. Besides the detector design, a meticulous data analysis is needed to ensure, that the JUNO experiment can meet the requirements on the precision and accuracy on the reconstructed energy. Such analysis methods are presented in the second part of this thesis. Here, a model is presented, which can be used to describe the non-linear light response of positrons in the liquid scintillator. Based on the non-linearity model of electrons, an algorithm is introduced to calculate the more complex non-linearity model of gammas and combine both eventually to the non-linearity model of positrons. As the amount of detected light for a constant energy varies with the position of the energy deposition in the detector, the energy resolution of JUNO is impacted by the uncertainty of the reconstructed light emission vertex. The vertex reconstruction finds the light emission vertex by minimizing a likelihood function, which contains the information on the times and charges of the PMT hits. It is shown, that the uncertainty on the reconstructed vertex is especially small at the outer parts of the volume, where the effect on the energy resolution is the largest. Additionally to the improvement of the energy resolution, it is shown how the vertex reconstruction can be used to reconstruct the direction of an electron anti-neutrino flux from a point-source. Another important effect, which leads to biases on the reconstructed energy on JUNO is the pile-up of signal events with $^{14}$C decays.The organic scintillator contains large amounts of natural, radioactive $^{14}$C. These $^{14}$C decays are able to timely coincide with measured signal events to cause a smearing of the measured energy spectrum. To reduce the impact of these $^{14}$C decays, two analysis methods are presented. A clusterization algorithm identifies different energy depositions in the PMT hit time distribution. This algorithm is optimized on the sensitivity of JUNO to determine the Neutrino Mass Ordering. For event coincidences, which can not be separated in time, the vertex reconstruction is used to perform a likelihood test to identify these.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT020800850
Interne Identnummern
RWTH-2020-11583
Datensatz-ID: 807734
Beteiligte Länder
Germany
|
The record appears in these collections: |