Speaker
Description
L’obiettivo del programma Short-Baseline Neutrino (SBN) di Fermilab è lo studio e il chiarimento delle anomalie osservate nelle oscillazioni di neutrini a corta baseline, come l’apparizione di in un fascio di $\bar{\nu}_e$ in un fascio di $\bar{\nu}_{\mu}$ osservata da LSND, o la scomparsa di $\nu_e$ osservata da BEST, GALLEX e SAGE. Questi risultati non sono compatibili con il paradigma delle oscillazioni a tre sapori e possono essere interpretati come un’indicazione dell’esistenza di un neutrino sterile e un conseguente $\Delta m^2 \sim \mathcal{O}(1\,\mathrm{eV}^2)$.
SBN è composto da un near (SBND) e da un far detector (ICARUS), entrambi esposti al fascio di $\nu_{\mu}$ di 0.8 GeV del Booster Neutrino Beam, mentre ICARUS riceve anche il fascio di $\nu_{\mu}$ di 1.5 GeV proveniente dal Main Injector, contenente una frazione significativa di $\nu_e$.
Questa configurazione consente a SBN di effettuare una ricerca estremamente sensibile di segnali di apparizione $\nu_{\mu}\to \nu_e$, insieme allo studio della scomparsa di $\nu_e$ e $\nu_{\mu}$, coprendo la regione dei parametri consentita da LSND con un livello di confidenza del 99% e una significatività di 5$\sigma$. In particolare, ICARUS è composto da quattro LArTPC con una massa attiva totale di 476 tonnellate, che permettono di ricostruire le tracce delle particelle ionizzanti con elevata risoluzione spaziale e calorimetrica. Pertanto, un’identificazione accurata delle particelle (PID) è cruciale per determinare correttamente il sapore del neutrino attraverso l’identificazione delle particelle cariche prodotte nell’interazione. La presentazione discute lo stato attuale di un nuovo approccio di PID basato sullo studio del dE/dx misurato lungo le tracce mediante likelihood ratios e tecniche di machine learning. Questo nuovo strumento fornisce un miglioramento significativo delle capacità di PID in ICARUS.