PandaX-II暗物质实验中的中子本底研究

The property and expected event rate of the neutron background in the PandaX-II experiment are planned to be studied. PandaX-II is a large dark matter direct detection experiments locating in the China Jinping Underground Laboratory. It uses liquid xenon as the detection material, and will be the largest and most sensitive one running during a period among the same type of experiments all over the world. It is very important to distinguish the true signal from backgrounds due to the very low rate of expected events in this experiment. Neutrons from the fission of heavy radioactive isotopes or the capture of alpha will cause nuclear recoil with the xenon nucleon. This type of signal can’t be distinguished from the nuclear recoil from dark matter. The study of the property of the neutron background will provide important parameters for the identification of nuclear recoil and electron recoil, thus enables excluding most of the background events possible. Besides, precision predictions of the contribution of neutron to the total background level could be made, and it is an essential parameter for the analysis of dark matter searching data.

本项目将对PandaX实验中的中子本底的性质和期待事例率进行研究。PandaX-II是一个位于中国锦屏地下实验室的大型暗物质直接探测实验。该实验使用了液氙作为探测物质，在一段时间内将是正在运行的同类型实验中最大也是最灵敏的实验。在该实验当中，由于期待的信号事例数很低，因此区分真实的信号和本底至关重要。中子本底来源于探测器中重的放射性同位素的衰变或者alpha粒子的捕获过程，它会与氙原子核产生核反冲信号，这个信号无法和暗物质与原子核产生的核反冲信号区分开来。然而，研究中子本底的信号性质能够为区分核反冲和电子反冲提供重要的判据，从而排除掉绝大部分的其它本底事例；此外，基于其性质能够对本底水平中的中子贡献作出精确预言，从而为暗物质寻找的数据分析提供重要的参数。

暗物质粒子的直接探测是当前非加速器粒子物理研究的热点问题。位于中国锦屏地下实验室的PandaX-II实验是基于液氙的大型暗物质直接探测实验，它通过捕捉暗物质与氙原子核反冲中产生的闪烁光和电离信号来探测暗物质。由于可能的碰撞事例率非常低，在该实验中的本底控制和研究就显得尤为重要。.中子本底是PandaX实验中的重要本底，单次散射的中子本底很难和真正的暗物质信号分辨开来，此外，基于放射源的中子刻度是理解暗物质信号特征的重要手段之一。因此，本项目致力于研究PandaX-II实验中的中子本底，给出其精确预言。.我们利用特别制作的低活度AmBe放射源对PandaX-II进行了刻度，通过数据对蒙特卡洛模拟进行了修正。我们对PandaX-II实验中来自不同组件的放射性中子的事例进行了模拟，在应用来自刻度数据的修正之后，根据测量所得的组件的放射性元素的丰度估算了总的中子事例数，从而得到中子本底的信号分布，这个分布被应用于PandaX-II的正式物理分析当中，估计的事例数和最终的拟合结果相符合，成为PandaX-II实验的本底分析的关键一环。此外，我们还研究了由S1信号和S2信号的偶然符合所导致的本底，这是在全世界大型液氙暗物质探测器中所进行的首次研究，我们发展了一套基于加速决策树的方法，有效降低了该本底在最终候选事例中的比例，从而提高了对暗物质搜索的灵敏度。