Estimación de Energía de Rayos Cósmicos para el Observatorio HAWC aplicando algoritmos de Inteligencia Artificial

Abstract

Los rayos cósmicos son partículas extraterrestres cuya detección es indirecta: al interactuar con la atmósfera generan cascadas secundarias registradas por el Observatorio HAWC (High Altitude Water Cherenkov), ubicado a 4.100 m s. n. m. en Sierra Negra, México. Reconstruir la energía de la partícula primaria es un problema complejo que HAWC aborda con el método de máxima verosimilitud (LH), el cual presenta limitaciones de precisión y sesgo en los extremos del rango energético.

En este trabajo se implementaron algoritmos de inteligencia artificial para estimar dicha energía. Se entrenaron perceptrones multicapa (MLP), redes neuronales convolucionales (CNN) y algoritmos de boosting (XGBoost y LightGBM) sobre simulaciones CORSIKA de las versiones pass5 y pass4, mediante un pipeline de preprocesamiento, selección de variables y optimización de hiperparámetros. Con los datos pass4 se construyeron dos modelos finales: MP4CE, que incorpora los estimadores de energía intrínsecos de la reconstrucción, y MP4SE, que los excluye.

MP4CE presentó la menor dispersión y el sesgo más bajo para protones y núcleos de hierro, con una matriz de respuesta concentrada en la diagonal ideal. MP4SE también superó al método LH, aunque con mayor dispersión a bajas energías, y ambos modelos alcanzaron un área efectiva cercana al área geométrica del arreglo.

En el espectro ponderado por $E^{2,6}$, MP4SE ofreció el comportamiento más consistente, mientras que MP4CE mostró una ligera sobreestimación del flujo a altas energías. Los resultados confirman el potencial de las redes neuronales para mejorar la calibración energética del observatorio.