Deep-learning based measurement of the mass composition of ultra-high energy cosmic rays using the surface detector of the Pierre Auger Observatory

Glombitza, Jonas; Erdmann, Martin; Wiebusch, Christopher

doi:10.18154/RWTH-2022-00759

Deep-learning based measurement of the mass composition of ultra-high energy cosmic rays using the surface detector of the Pierre Auger Observatory

Glombitza, Jonas^RWTH*

2021 & 2022

Verantwortlichkeitsangabevorgelegt von Jonas Glombitza

ImpressumAachen : RWTH Aachen University 2021

Umfang1 Online-Ressource : Illustrationen

Dissertation, RWTH Aachen University, 2021

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2022

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Erdmann, Martin (Thesis advisor)^RWTH* ; Wiebusch, Christopher (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2021-12-17

Online
DOI: 10.18154/RWTH-2022-00759
URL: https://publications.rwth-aachen.de/record/838783/files/838783.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
cosmic rays (frei) ; deep learning (frei) ; mass composition (frei)

Thematische Einordnung (Klassifikation)
DDC: 530

Kurzfassung
Ultrahochenergetische kosmische Strahlung (UHECRs) besteht aus den energiereichsten Teilchen, die in der Natur vorkommen. Die Suche nach ihrem Ursprung und die Bestimmung ihrer Massenzusammensetzung ist eine große Herausforderung der Astroteilchenphysik. Beim Eindringen in die Erdatmosphäre lösen diese energiereichen Teilchen ausgedehnte Luftschauer aus, die von Experimenten wie dem Pierre Auger Observatorium detektiert werden können. Das Maximum solcher Schauer, $X_{\mathrm{max}}$, enthält wertvolle Informationen über die Masse des eindringenden Teilchens und kann mit Flourezenz Detektoren (FDs) präzise vermessen werden, welche jedoch limitierte Betriebszeiten von ungefähr $15\%$ aufweisen. Der Oberflächendetektor (SD) des Pierre Auger Observatoriums hingegen, hat eine Betriebszeit von knapp $100\%$, kann das Schauermaximum aber im Unterschied zum FD nicht direkt beobachten was die Rekonstruktion sehr anspruchsvoll macht. In dieser Arbeit wurde die Massenzusammensetzung der ultrahochenergetischen kosmischen Strahlung mit dem SD gemessen. Dazu wurde ein Algorithmus für die Rekonstruktion vom Schauermaximum $X_{\mathrm{max}}$ unter Verwendung der vom SD gemessenen zeitabhängigen Signale entwickelt. Der Algorithmus basiert auf Deep Learning, dem modernsten Ansatz des maschinellen Lernens, der auf der Verwendung von tiefen künstlichen neuronalen Netzen basiert. Die Präzision des entwickelten Algorithmus wurde ausgiebig an Simulationen mit unterschiedlichen hadronischen Wechselwirkungsmodellen untersucht. Zusätzlich wurde die Rekonstruktion mit Hybriddaten des Pierre Auger Observatoriums verifiziert und kalibriert. Anschließend wurde die Energieentwicklung von $\langle X_{\mathrm{max}} \rangle$ von $3~\mathrm{EeV}$ bis über $100~\mathrm{EeV}$ gemessen. Diese stimmt hervorragend mit Beobachtungen, welche mit Hilfe der SD-basierten Delta Methode und dem FD durchgeführt wurden, überein. Die Messungen deuten auf einen kontinuierlichen und konstanten Übergang von einer leichteren zu einer schwereren Massenzusammensetzung mit einer Änderung von $D_{10}=25.8\pm 1.2~\mathrm{g/cm^{2}/Dekade}$ hin. Erstmalig wurde die Energieentwicklung von $\sigma(X_{\mathrm{max}})$, welche sensitive auf die Kompositionsmischung ist, von $3~\mathrm{EeV}$ bis über $100~\mathrm{EeV}$ gemessen. Im gemeinsamen Messbereich (bei niedrigeren Energien) sind die Ergebnisse der neuen Methode in bemerkenswerter Übereinstimmung mit dem FD. Bei höheren Energien deuten die neuen Ergebnisse auf eine zunehmend schwerere und reinere Massenzusammensetzung hin. Dies legt nahe, dass der beobachtete starke Abfall im Energiespektrum der kosmischen Strahlung ("cutoff") durch die Tatsache verursacht wird, dass die kosmischen Beschleuniger ihre maximale Energie erreichen.

Ultra-high energy cosmic rays (UHECRs) are the most energetic particles found in nature. The search for their origin and the determination of their mass composition is still one of the biggest challenges of astroparticle physics. When penetrating the Earth’s atmosphere, UHECRs induce extensive air showers, which experiments like the Pierre Auger Observatory can measure. The atmospheric depth of the maximum of such showers, $X_{\mathrm{max}}$, contains valuable information about the mass of the UHECR and can be observed using Fluorescence Detectors (FDs), which feature a limited duty cycle of roughly $15\%$. In contrast, the Surface Detector (SD) of the Pierre Auger Observatory features a duty cycle of roughly $100\%$, but can not directly observe the shower maximum like the FD, making the reconstruction a challenging task. In this thesis, a measurement of the UHECR composition using the SD was performed. For that, an algorithm for the reconstruction of $X_{\mathrm{max}}$ using the time-dependent signals measured by the SD was developed. The algorithm relies on deep learning, the state-of-the-art machine learning approach using deep neural networks and associated techniques. The performance of the developed algorithm was extensively studied on simulations, including various hadronic interaction models. Additionally, the reconstruction of the method was verified and calibrated using Auger hybrid data. Subsequently, the energy evolution of $\langle X_{\mathrm{max}} \rangle$ was measured from $3~\mathrm{EeV}$ to beyond $100~\mathrm{EeV}$. The measurement is in excellent agreement with the results obtained using the SD-based delta method and composition analyses performed using the FD. The findings indicate a constant transition from a lighter to a heavier composition with an elongation rate of $D_{10}=25.8\pm 1.2~\mathrm{g/cm^{2}/decade}$. For the first time, the energy evolution of $\sigma(X_{\mathrm{max}})$, which is sensitive to the composition mix, was determined from $3~\mathrm{EeV}$ to beyond $100~\mathrm{EeV}$. In the common energy range at lower energies, the results of the new method are in remarkable agreement with the FD. At higher energies, the obtained results indicate an increasingly heavy and pure composition. This suggests that the observed cutoff in the energy spectrum is caused by the fact that the cosmic-ray accelerators reach their maximum energy.

OpenAccess:
PDF
(additional files)