The Neutrinos at the Main Injector (NuMI) facility at Fermi National Accelerator Laboratory (FNAL) produces an intense muon neutrino beam used by the Main Injector Neutrino Oscillation Search (MINOS), a neutrino oscillation experiment, and the Main INjector ExpeRiment [nu]-A, (MINER[nu]A), a neutrino interaction experiment. Absolute neutrino cross sections are determined via [mathematical equation], where the numerator is the measured number of neutrino interactions in the MINOS Detector and the denominator is the flux of incident neutrinos. Many past neutrino experiments have measured relative cross sections due to a lack of precise measurements of the incident neutrino flux, normalizing to better established reaction processes, such as quasielastic neutrino-nucleon scattering. But recent measurements of neutrino interactions on nuclear targets have brought to light questions about our understanding of nuclear effects in neutrino interactions. In this thesis the [nu subscript mu] inclusive charged current cross section on iron is measured using the MINOS Detector. The MINOS detector consists of alternating planes of steel and scintillator. The MINOS detector is optimized to measure muons produced in charged current [nu subscript mu] interactions. Along with muons, these interactions produce hadronic showers. The neutrino energy is measured from the total energy the particles deposit in the detector. The incident neutrino flux is measured using the muons produced alongside the neutrinos in meson decay. Three ionization chamber monitors located in the downstream portion of the NuMI beamline are used to measure the muon flux and thereby infer the neutrino flux by relation to the underlying pion and kaon meson flux. This thesis describes the muon flux instrumentation in the NuMI beam, its operation over the two year duration of this measurement, and the techniques used to derive the neutrino flux. / text

-

En 2003-2004 le collisionneur HERA à délivré des collisions $e^+p$ avec un faisceau de positrons polarisé longitudinalement. Ce travail présente la mesure des section efficaces de DIS inclusive polarisées Courant Neutre et Courant Chargé avec le détecteur H1 en utilisant un lot de données de 15,3 pb$^(-1)$ de polarisation moyenne $P=0,33$ et un lot de données de 21,7 pb$^(-1)$ de polarisation moyenne $P=-0,40$. La mesure de la section efficace CC totale pour $Q^2>400$ GeV$^2$, $y<0,9$ donne \begin(eqnarray \sigma_(CC)(P=+0,33)&=& 34,67\mbox( pb )\pm 1,94\mbox( pb )\:(\mbox(stat))\pm 1,66\mbox( pb )\:(\mbox(sys)) \\ \sigma_(CC)(P=-0,40)&=& 13,80\mbox( pb )\pm 1,04\mbox( pb )\:(\mbox(stat))\pm 0,94\mbox( pb )\:(\mbox(sys)). \end(eqnarray) En accord avec le Modèle Standard qui prédit la proportionnalité de la section efficace avec la polarisation. Dans une deuxième partie, on réalise une analyse QCD des données de H1 pour extraire les densités de partons. Cette analyse est ensuite étendue à la détermination jointe des paramètres électrofaibles comme la masse du boson $W$ et des couplages des quarks au boson $Z$. Une analyse QCD globale des données de DIS et de Drell-Yan est réalisée, en particulier utilisée pour obtenir l'asymétrie de la mer étrange $\int_0^1 x(s-\bar(s))\mathrm(d)x=(1,8\pm3,8)\times10^(-4)$. L'impact des nouvelles données de E866 sur les densités de quark à très grand $x$ est discuté. On obtient une extraction de la constante de couplage forte $\alpha_s=0,1197\pm0,0008 \mbox( (exp)) ()^(+0,0005)_(-0,0007)\mbox( (mod))\pm0,006 \mbox( (th))$.

Neutrinos are the perfect cosmic messengers when it comes to investigating the most violent and mysterious astronomical and cosmological events in the Universe. The interaction probability of neutrinos is small, and the flux of high-energy neutrinos decreases quickly with increasing energy. In order to find high-energy neutrinos, large bodies of matter needs to be instrumented. A proposed detector station design called ARIANNA is designed to detect neutrino interactions in the Antarctic ice by measuring radio waves that are created due to the Askaryan effect. In this paper, we present a method based on state-of-the-art machine learning techniques to reconstruct the direction of the incoming neutrino, based on the radio emission that it produces. We trained a neural network with simulated data, created with the NuRadioMC framework, and optimized it to make the best possible predictions. The number of training events used was on the order of 106. Using two different emission models, we found that the network was able to learn and generalize on the neutrino events with good precision, resulting in a resolution of 4-5°. The model could also make good predictions on a dataset even if it was trained with another emission model. The results produced are promising, especially due to the fact that classical techniques have not been able to reproduce the same results without having prior knowledge of where the neutrino interaction took place. The developed neural network can also be used to assess the performance of other proposed detector designs, to quickly and reliably give an indication of which design might yield the most amount of value to the scientific community. / Neutriner är de perfekta kosmiska budbärarna när det kommer till att undersöka de mest våldsamma och mystiska astronomiska och kosmologiska händelserna i vårt universum. Sannolikheten för en neutrinointeraktion är dock liten, och flödet av högenergetiska neutriner minskar kraftigt med energin. För att hitta dessa högenergetiska neutriner måste stora volymer av materia instrumenteras. Ett förslag på en design för en detektorstation kallas ARIANNA, och är framtagen för att detektera neutrinointeraktioner i den antarktiska isen genom att mäta radiopulser som bildas på grund av Askaryan-effekten. I denna rapport presenterar vi en metod baserad på toppmoderna maskininlärningstekniker för att rekonstruera riktningen på en inkommande neutrino, utifrån den radiostrålning som produceras. Vi tränade ett neuralt nätverk med simulerade data, som skapades med hjälp av ramverket NuRadioMC, och optimerade nätverket för att göra så bra förutsägelser som möjligt. Antalet interaktionshändelser som användes för att träna nätverket var i storleksordningen 106. Genom att undersöka två olika emissionsmodeller fann vi att nätverket kunde generalisera med god precision. Detta resulterade i en upplösning på 4-5°. Modellen kunde även göra goda förutsägelser på en datamängd trots att nätverket var tränat med en annan emissionsmodell. De resultat som metoden framtog är lovande, särskilt med avseende på att tidigare klassiska metoder inte har lyckats reproducera samma resultat utan att metoden redan innan vet var i isen som neutrinointeraktionen skedde. Nätverket kan också komma att användas för att utvärdera prestandan hos andra designförslag på detektorstationer för att snabbt och säkert ge en indikation på vilken design som kan tillhandahålla mest vetenskapligt värde.