Data reconstruction and classification with graph neural networks in KM3NeT/ARCA6-8

Filippini, F.; Androutsou, E.; Domi, A.; Spisso, B.; Drakopoulou, E.; Aiello, S.; Albert, A.; Alves Garre, S.; Aly, Z.; Ambrosone, A.; Ameli, F.; Andre, M.; Androutsou, E.; Anguita, M.; Aphecetche, L.; Ardid, M.; Ardid, S.; Atmani, H.; Aublin, J.; Bailly-Salins, L.; Bardacova, Z.; Baret, B.; Bariego-Quintana, A.; Basegmez Du Pree, S.; Becherini, Y.; Bendahman, M.; Benfenati, F.; Benhassi, M.; Benoit, D. M.; Berbee, E.; Bertin, V.; Biagi, S.; Boettcher, M.; Bonanno, D.; Boumaaza, J.; Bouta, M.; Bouwhuis, M.; Bozza, C.; Bozza, R. M.; Branzas, H.; Bretaudeau, F.; Bruijn, R.; Brunner, J.; Bruno, R.; Buis, E.; Buompane, R.; Busto, J.; Caiffi, B.; Calvo, D.; Campion, S.; Capone, A.; Carenini, F.; Carretero, V.; Cartraud, T.; Castaldi, P.; Cecchini, V.; Celli, S.; Cerisy, L.; Chabab, M.; Chadolias, M.; Chen, A.; Cherubini, S.; Chiarusi, T.; Circella, M.; Cocimano, R.; Coelho, J. A. B.; Coleiro, A.; Coniglione, R.; Coyle, P.; Creusot, A.; Cruz, A.; Cuttone, G.; Dallier, R.; Darras, Y.; De Benedittis, A.; De Martino, B.; Decoene, V.; Del Burgo, R.; Di Cerbo, U. M.; Di Mauro, L. S.; Di Palma, I.; Diaz, A. F.; Diaz, C.; Diego-Tortosa, D.; Distefano, C.; Domi, A.; Donzaud, C.; Dornic, D.; Dorr, M.; Drakopoulou, E.; Drouhin, D.; Dvornicky, R.; Eberl, T.; Eckerova, E.; Eddymaoui, A.; Van Eeden, T.; Eff, M.; Van Eijk, D.; El Bojaddaini, I.; El Hedri, S.; Enzenhofer, A.; Ferrara, G.; Filipovic, M. D.; Filippini, F.; Franciotti, D.; Fusco, L. A.; Gabriel, J.; Gagliardini, S.; Gal, T.; Garcia Mendez, J.; Garcia Soto, A.; Gatius Oliver, C.; Geisselbrecht, N.; Ghaddari, H.; Gialanella, L.; Gibson, B. K.; Giorgio, E.; Goos, I.; Goupilliere, D.; Gozzini, S. R.; Gracia, R.; Graf, K.; Guidi, C.; Guillon, B.; Gutierrez, M.; Van Haren, H.; Heijboer, A.; Hekalo, A.; Hennig, L.; Hernandez-Rey, J. J.; Huang, F.; Idrissi Ibnsalih, W.; Illuminati, G.; James, C. W.; De Jong, M.; De Jong, P.; Jung, B. J.; Kalaczynski, P.; Kalekin, O.; Katz, U. F.; Khan Chowdhury, N. R.; Khatun, A.; Kistauri, G.; Kopper, C.; Kouchner, A.; Kulikovskiy, V.; Kvatadze, R.; Labalme, M.; Lahmann, R.; Larosa, G.; Lastoria, C.; Lazo, A.; Le Stum, S.; Lehaut, G.; Leonora, E.; Lessing, N.; Levi, G.; Lindsey Clark, M.; Longhitano, F.; Majumdar, J.; Malerba, L.; Mamedov, F.; Manczak, J.; Manfreda, A.; Marconi, M.; Margiotta, A.; Marinelli, A.; Markou, C.; Martin, L.; Martinez-Mora, J. A.; Marzaioli, F.; Mastrodicasa, M.; Mastroianni, S.; Micciche, S.; Miele, G.; Migliozzi, P.; Migneco, E.; Mitsou, M. L.; Mollo, C. M.; Morales-Gallegos, L.; Morley-Wong, C.; Moussa, A.; Mozun Mateo, I.; Muller, R.; Musone, M. R.; Musumeci, M.; Nauta, L.; Navas, S.; Nayerhoda, A.; Nicolau, C. A.; Nkosi, B.; Fearraigh, B. O.; Oliviero, V.; Orlando, A.; Oukacha, E.; Paesani, D.; Palacios Gonzalez, J.; Papalashvili, G.; Parisi, V.; Pastor Gomez, E. J.; Paun, A. M.; Pavalas, G. E.; Pena Martinez, S.; Perrin-Terrin, M.; Perronnel, J.; Pestel, V.; Pestes, R.; Piattelli, P.; Poire, C.; Popa, V.; Pradier, T.; Pulvirenti, S.; Quemener, G.; Quiroz, C.; Rahaman, U.; Randazzo, N.; Randriatoamanana, R.; Razzaque, S.; Rea, I. C.; Real, D.; Reck, S.; Riccobene, G.; Robinson, J.; Romanov, A.; Saina, A.; Salesa Greus, F.; Samtleben, D. F. E.; Sanchez Losa, A.; Sanfilippo, S.; Sanguineti, M.; Santonastaso, C.; Santonocito, D.; Sapienza, P.; Schnabel, J.; Schumann, J.; Schutte, H. M.; Seneca, J.; Sennan, N.; Setter, B.; Sgura, I.; Shanidze, R.; Shitov, Y.; Simkovic, F.; Simonelli, A.; Sinopoulou, A.; Smirnov, M. V.; Spisso, B.; Spurio, M.; Stavropoulos, D.; Stekl, I.; Taiuti, M.; Tayalati, Y.; Tedjditi, H.; Thiersen, H.; Tosta E Melo, I.; Trocme, B.; Tsourapis, V.; Tzamariudaki, E.; Vacheret, A.; Valsecchi, V.; Van Elewyck, V.; Vannoye, G.; Vasileiadis, G.; Vazquez De Sola, F.; Verilhac, C.; Veutro, A.; Viola, S.; Vivolo, D.; Wilms, J.; De Wolf, E.; Yepes-Ramirez, H.; Zarpapis, G.; Zavatarelli, S.; Zegarelli, A.; Zito, D.; Zornoza, J. D.; Zuniga, J.; Zywucka, N.

KM3NeT is a research infrastructure hosting two large-volume Cherenkov neutrino detectors which are currently under construction in the Mediterranean Sea. The KM3NeT/ARCA detector is optimised for the detection of high-energy neutrinos from astrophysical sources in the TeV-PeV energy range. Once completed, the detector will consist of 230 detection units. Here, we present a Deep Learning method using graph neural networks that is trained and applied to events gathered with 6 and 8 active detection units of KM3NeT/ARCA. Graph neural networks have been trained for classification and regression tasks, showing very promising performances in a range of different tasks like neutrino-background identification, neutrino event topology classification, energy and direction reconstruction, and also in the study of properties of muon bundles.