Caracterización e identificación de partículas usando la tecnología Skipper CCD

Abstract

Dark matter constitutes a significant portion of the Universe, yet our understanding of it remains limited. In this work, we focus on characterizing the IRONMAN experimental setup at IFCA, designed for dark matter direct detection utilizing Skipper-CCD technology capable of counting electrons. Despite the characterisation, we were unable to obtain quality images for scientific analysis. As an alternative, we used images from the MOSKITA detector at the LHC to develop a deep neural network capable of classifying the different types of particles detected. In addition, this neural network will be implemented in the official software of the DAMIC-M collaboration for future studies. Finally, using this neural network we verified that the number of muons is not directly correlated with luminosity.

La materia oscura constituye una parte significativa del Universo, pero nuestra comprensión de la misma sigue siendo limitada. En este trabajo, nos centramos en la caracterización del montaje experimental del IFCA IRONMAN, diseñado para la detección directa de materia oscura y que utiliza tecnología Skipper-CCD capaz de contar electrones. A pesar de la caracterización, no pudimos obtener imágenes de calidad para el análisis científico. Como alternativa, utilizamos imágenes del detector MOSKITA en el LHC para desarrollar una red neuronal profunda capaz de clasificar los distintos tipos de partículas detectadas. Además, esta red neuronal se integrará en el software oficial de la colaboración DAMIC-M para futuros estudios. Finalmente, utilizando esta red neuronal, comprobamos que el número de muones no está directamente correlacionado con la luminosidad.