Abstract
We present GollumFit, a framework designed for performing binned-likelihood analyses on neutrino telescope data. GollumFit incorporates model parameters common to any neutrino telescope and also model parameters specific to the IceCube Neutrino Observatory. We provide a high-level overview of its key features and how the code is organized. We then discuss the performance of the fitting in a typical analysis scenario, highlighting the ability to fit over tens of nuisance parameters. We present some examples showing how to use the package for likelihood minimization tasks. This framework uniquely incorporates the particular model parameters necessary for neutrino telescopes, and solves an associated likelihood problem in a time-efficient manner. PROGRAM SUMMARY: Program title: GollumFit Documentation website: https://docs.icecube.aq/gollumfit/main/index.html Developer's repository link: https://github.com/icecube/GollumFit Licensing provisions: GNU Lesser General Public License 2.1 (LGPL) Programming language: C++, Python Nature of problem: Statistical analysis of data from neutrino telescope experiments is often complex and computationally demanding, owing to the need to optimize a likelihood function over many parameters that describe sources of systematic uncertainties and quantities of interest. Solution method: We introduce a framework that performs binned-likelihood optimization, whose performance can handle the number of parameters typical for a neutrino telescope analysis. We highlight a method to perform event-by-event reweighting to incorporate the experimental parameters. In particular, for neutrino telescopes the parameters that incorporate the uncertainties in the atmospheric neutrino flux are common across all experiments and analyses, and are implemented in our framework. The framework has been designed to be easily extendable in the number of observable dimensions and fit parameters. Finally, we use an automatic differentiation package to achieve computational speed in the likelihood optimization.
| Original language | English |
|---|---|
| Article number | 110195 |
| Journal | Computer Physics Communications |
| Volume | 326 |
| DOIs | |
| State | Published - Sep 2026 |
Keywords
- Analysis framework
- Binned likelihood
- Neutrino telescope
Fingerprint
Dive into the research topics of 'GollumFit: An icecube open-source framework for binned-likelihood neutrino telescope analyses[Figure presented]'. Together they form a unique fingerprint.Cite this
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver
}
In: Computer Physics Communications, Vol. 326, 110195, 09.2026.
Research output: Contribution to journal › Article › peer-review
TY - JOUR
T1 - GollumFit
T2 - An icecube open-source framework for binned-likelihood neutrino telescope analyses[Figure presented]
AU - Abbasi, R.
AU - Ackermann, M.
AU - Adams, J.
AU - Agarwalla, S. K.
AU - Aguilar, J. A.
AU - Ahlers, M.
AU - Alameddine, J. M.
AU - Amin, N. M.
AU - Andeen, K.
AU - Argüelles, C.
AU - Ashida, Y.
AU - Athanasiadou, S.
AU - Axani, S. N.
AU - Babu, R.
AU - Bai, X.
AU - Balagopal V․, A.
AU - Baricevic, M.
AU - Barwick, S. W.
AU - Bash, S.
AU - Basu, V.
AU - Bay, R.
AU - Beatty, J. J.
AU - Tjus, J. Becker
AU - Behrens, P.
AU - Beise, J.
AU - Bellenghi, C.
AU - Benkel, B.
AU - BenZvi, S.
AU - Berley, D.
AU - Bernardini, E.
AU - Besson, D. Z.
AU - Blaufuss, E.
AU - Bloom, L.
AU - Blot, S.
AU - Bontempo, F.
AU - Book Motzkin, J. Y.
AU - Boscolo Meneguolo, C.
AU - Böser, S.
AU - Botner, O.
AU - Böttcher, J.
AU - Braun, J.
AU - Brinson, B.
AU - Brisson-Tsavoussis, Z.
AU - Burley, R. T.
AU - Butterfield, D.
AU - Campana, M. A.
AU - Carloni, K.
AU - Carpio, J.
AU - Chattopadhyay, S.
AU - Chau, N.
AU - Chen, Z.
AU - Chirkin, D.
AU - Clark, B. A.
AU - Coleman, A.
AU - Coleman, P.
AU - Collin, G. H.
AU - Connolly, A.
AU - Conrad, J. M.
AU - Corley, R.
AU - Cowen, D. F.
AU - De Clercq, C.
AU - DeLaunay, J. J.
AU - Delgado, D.
AU - Delmeulle, T.
AU - Deng, S.
AU - Desai, A.
AU - Desiati, P.
AU - de Vries, K. D.
AU - de Wasseige, G.
AU - DeYoung, T.
AU - Díaz-Vélez, J. C.
AU - Diaz, A.
AU - DiKerby, S.
AU - Dittmer, M.
AU - Domi, A.
AU - Draper, L.
AU - Dueser, L.
AU - Dujmovic, H.
AU - Durnford, D.
AU - Dutta, K.
AU - DuVernois, M. A.
AU - Ehrhardt, T.
AU - Eidenschink, L.
AU - Eimer, A.
AU - Eller, P.
AU - Ellinger, E.
AU - Elsässer, D.
AU - Engel, R.
AU - Erpenbeck, H.
AU - Esmail, W.
AU - Evans, J.
AU - Evenson, P. A.
AU - Fan, K. L.
AU - Fang, K.
AU - Farrag, K.
AU - Fazely, A. R.
AU - Fedynitch, A.
AU - Feigl, N.
AU - Finley, C.
AU - Fischer, L.
AU - Fox, D.
AU - Franckowiak, A.
AU - Fukami, S.
AU - Fürst, P.
AU - Gallagher, J.
AU - Ganster, E.
AU - Garcia, A.
AU - Garcia, M.
AU - Garg, G.
AU - Genton, E.
AU - Gerhardt, L.
AU - Ghadimi, A.
AU - Glaser, C.
AU - Glüsenkamp, T.
AU - Gonzalez, J. G.
AU - Goswami, S.
AU - Granados, A.
AU - Grant, D.
AU - Gray, S. J.
AU - Griffin, S.
AU - Griswold, S.
AU - Groth, K. M.
AU - Guevel, D.
AU - Günther, C.
AU - Gutjahr, P.
AU - Ha, C.
AU - Haack, C.
AU - Hallgren, A.
AU - Halve, L.
AU - Halzen, F.
AU - Hamacher, L.
AU - Ha Minh, M.
AU - Handt, M.
AU - Hanson, K.
AU - Hardin, J.
AU - Harnisch, A. A.
AU - Hatch, P.
AU - Haungs, A.
AU - Häußler, J.
AU - Helbing, K.
AU - Hellrung, J.
AU - Hennig, L.
AU - Heuermann, L.
AU - Hewett, R.
AU - Heyer, N.
AU - Hickford, S.
AU - Hidvegi, A.
AU - Hill, C.
AU - Hill, G. C.
AU - Hmaid, R.
AU - Hoffman, K. D.
AU - Hori, S.
AU - Hoshina, K.
AU - Hostert, M.
AU - Hou, W.
AU - Huber, T.
AU - Hultqvist, K.
AU - Hussain, R.
AU - Hymon, K.
AU - Ishihara, A.
AU - Iwakiri, W.
AU - Jacquart, M.
AU - Jain, S.
AU - Janik, O.
AU - Jeong, M.
AU - Jin, M.
AU - Jones, B. J.P.
AU - Kamp, N.
AU - Kang, D.
AU - Kang, X.
AU - Kappes, A.
AU - Kardum, L.
AU - Karg, T.
AU - Karl, M.
AU - Karle, A.
AU - Katil, A.
AU - Kauer, M.
AU - Kelley, J. L.
AU - Khanal, M.
AU - Khatee Zathul, A.
AU - Kheirandish, A.
AU - Kimku, H.
AU - Kiryluk, J.
AU - Klein, C.
AU - Klein, S. R.
AU - Kobayashi, Y.
AU - Kochocki, A.
AU - Koirala, R.
AU - Kolanoski, H.
AU - Kontrimas, T.
AU - Köpke, L.
AU - Kopper, C.
AU - Koskinen, D. J.
AU - Koundal, P.
AU - Kowalski, M.
AU - Kozynets, T.
AU - Krieger, N.
AU - Krishnamoorthi, J.
AU - Krishnan, T.
AU - Kruiswijk, K.
AU - Krupczak, E.
AU - Kumar, A.
AU - Kun, E.
AU - Kurahashi, N.
AU - Lad, N.
AU - Lagunas Gualda, C.
AU - Lallement Arnaud, L.
AU - Lamoureux, M.
AU - Larson, M. J.
AU - Lauber, F.
AU - Lazar, J. P.
AU - Leonard DeHolton, K.
AU - Leszczyńska, A.
AU - Liao, J.
AU - Liu, Y. T.
AU - Liubarska, M.
AU - Love, C.
AU - Lu, L.
AU - Lucarelli, F.
AU - Luszczak, W.
AU - Lyu, Y.
AU - Madsen, J.
AU - Magnus, E.
AU - Mahn, K. B.M.
AU - Makino, Y.
AU - Manao, E.
AU - Mancina, S.
AU - Mand, A.
AU - Marie Sainte, W.
AU - Mariş, I. C.
AU - Marka, S.
AU - Marka, Z.
AU - Marten, L.
AU - Martinez-Soler, I.
AU - Maruyama, R.
AU - Mayhew, F.
AU - McNally, F.
AU - Mead, J. V.
AU - Meagher, K.
AU - Mechbal, S.
AU - Medina, A.
AU - Meier, M.
AU - Merckx, Y.
AU - Merten, L.
AU - Mitchell, J.
AU - Molchany, L.
AU - Montaruli, T.
AU - Moore, R. W.
AU - Morii, Y.
AU - Morse, R.
AU - Mosbrugger, A.
AU - Moulai, M.
AU - Mousadi, D.
AU - Mukherjee, T.
AU - Naab, R.
AU - Nakos, M.
AU - Naumann, U.
AU - Necker, J.
AU - Neste, L.
AU - Neumann, M.
AU - Niederhausen, H.
AU - Nisa, M. U.
AU - Noda, K.
AU - Noell, A.
AU - Novikov, A.
AU - Obertacke Pollmann, A.
AU - O'Dell, V.
AU - Olivas, A.
AU - Orsoe, R.
AU - Osborn, J.
AU - O'Sullivan, E.
AU - Palusova, V.
AU - Pandya, H.
AU - Parenti, A.
AU - Park, N.
AU - Parrish, V.
AU - Paudel, E. N.
AU - Paul, L.
AU - Pérez de los Heros, C.
AU - Pernice, T.
AU - Peterson, J.
AU - Pizzuto, A.
AU - Plum, M.
AU - Pontén, A.
AU - Poojyam, V.
AU - Popovych, Y.
AU - Prado Rodriguez, M.
AU - Pries, B.
AU - Procter-Murphy, R.
AU - Przybylski, G. T.
AU - Pyras, L.
AU - Raab, C.
AU - Rack-Helleis, J.
AU - Rad, N.
AU - Ravn, M.
AU - Rawlins, K.
AU - Rechav, Z.
AU - Rehman, A.
AU - Reistroffer, I.
AU - Resconi, E.
AU - Reusch, S.
AU - Rho, C. D.
AU - Rhode, W.
AU - Riedel, B.
AU - Rifaie, A.
AU - Roberts, E. J.
AU - Robertson, S.
AU - Rongen, M.
AU - Rosted, A.
AU - Rott, C.
AU - Ruhe, T.
AU - Ruohan, L.
AU - Safa, I.
AU - Saffer, J.
AU - Salazar-Gallegos, D.
AU - Sampathkumar, P.
AU - Sandrock, A.
AU - Sanger-Johnson, G.
AU - Santander, M.
AU - Sarkar, S.
AU - Savelberg, J.
AU - Savina, P.
AU - Schaile, P.
AU - Schaufel, M.
AU - Schieler, H.
AU - Schindler, S.
AU - Schlickmann, L.
AU - Schneider, A.
AU - Schlüter, B.
AU - Schlüter, F.
AU - Schmeisser, N.
AU - Schmidt, T.
AU - Schröder, F. G.
AU - Schumacher, L.
AU - Schwirn, S.
AU - Sclafani, S.
AU - Seckel, D.
AU - Seen, L.
AU - Seikh, M.
AU - Seunarine, S.
AU - Sevle Myhr, P. A.
AU - Shah, R.
AU - Shefali, S.
AU - Shimizu, N.
AU - Silva, M.
AU - Skrzypek, B.
AU - Snihur, R.
AU - Soedingrekso, J.
AU - Søgaard, A.
AU - Soldin, D.
AU - Soldin, P.
AU - Sommani, G.
AU - Spannfellner, C.
AU - Spiczak, G. M.
AU - Spiering, C.
AU - Stachurska, J.
AU - Stamatikos, M.
AU - Stanev, T.
AU - Stezelberger, T.
AU - Stürwald, T.
AU - Stuttard, T.
AU - Sullivan, G. W.
AU - Taboada, I.
AU - Ter-Antonyan, S.
AU - Terliuk, A.
AU - Thakuri, A.
AU - Thiesmeyer, M.
AU - Thompson, W. G.
AU - Thwaites, J.
AU - Tilav, S.
AU - Tollefson, K.
AU - Toscano, S.
AU - Tosi, D.
AU - Trettin, A.
AU - Unland Elorrieta, M. A.
AU - Upadhyay, A. K.
AU - Upshaw, K.
AU - Vaidyanathan, A.
AU - Valtonen-Mattila, N.
AU - Vandenbroucke, J.
AU - Van Eeden, T.
AU - van Eijndhoven, N.
AU - van Santen, J.
AU - Vara, J.
AU - Varsi, F.
AU - Veitch-Michaelis, J.
AU - Venugopal, M.
AU - Vereecken, M.
AU - Vergara Carrasco, S.
AU - Verpoest, S.
AU - Veske, D.
AU - Vijai, A.
AU - Villarreal, J.
AU - Walck, C.
AU - Wandkowsky, N.
AU - Wang, A.
AU - Warrick, E.
AU - Weaver, C.
AU - Weigel, P.
AU - Weindl, A.
AU - Wen, A. Y.
AU - Wendt, C.
AU - Werthebach, J.
AU - Weyrauch, M.
AU - Whitehorn, N.
AU - Wiebusch, C. H.
AU - Williams, D. R.
AU - Witthaus, L.
AU - Wolf, M.
AU - Wrede, G.
AU - Xu, X. W.
AU - Yanez, J. P.
AU - Yildizci, E.
AU - Yoshida, S.
AU - Young, R.
AU - Yu, F.
AU - Yu, S.
AU - Yuan, T.
AU - Zegarelli, A.
AU - Zhang, S.
AU - Zhang, Z.
AU - Zhelnin, P.
AU - Zilberman, P.
AU - Zimmerman, M.
N1 - Publisher Copyright: © 2026 Elsevier B.V.
PY - 2026/9
Y1 - 2026/9
N2 - We present GollumFit, a framework designed for performing binned-likelihood analyses on neutrino telescope data. GollumFit incorporates model parameters common to any neutrino telescope and also model parameters specific to the IceCube Neutrino Observatory. We provide a high-level overview of its key features and how the code is organized. We then discuss the performance of the fitting in a typical analysis scenario, highlighting the ability to fit over tens of nuisance parameters. We present some examples showing how to use the package for likelihood minimization tasks. This framework uniquely incorporates the particular model parameters necessary for neutrino telescopes, and solves an associated likelihood problem in a time-efficient manner. PROGRAM SUMMARY: Program title: GollumFit Documentation website: https://docs.icecube.aq/gollumfit/main/index.html Developer's repository link: https://github.com/icecube/GollumFit Licensing provisions: GNU Lesser General Public License 2.1 (LGPL) Programming language: C++, Python Nature of problem: Statistical analysis of data from neutrino telescope experiments is often complex and computationally demanding, owing to the need to optimize a likelihood function over many parameters that describe sources of systematic uncertainties and quantities of interest. Solution method: We introduce a framework that performs binned-likelihood optimization, whose performance can handle the number of parameters typical for a neutrino telescope analysis. We highlight a method to perform event-by-event reweighting to incorporate the experimental parameters. In particular, for neutrino telescopes the parameters that incorporate the uncertainties in the atmospheric neutrino flux are common across all experiments and analyses, and are implemented in our framework. The framework has been designed to be easily extendable in the number of observable dimensions and fit parameters. Finally, we use an automatic differentiation package to achieve computational speed in the likelihood optimization.
AB - We present GollumFit, a framework designed for performing binned-likelihood analyses on neutrino telescope data. GollumFit incorporates model parameters common to any neutrino telescope and also model parameters specific to the IceCube Neutrino Observatory. We provide a high-level overview of its key features and how the code is organized. We then discuss the performance of the fitting in a typical analysis scenario, highlighting the ability to fit over tens of nuisance parameters. We present some examples showing how to use the package for likelihood minimization tasks. This framework uniquely incorporates the particular model parameters necessary for neutrino telescopes, and solves an associated likelihood problem in a time-efficient manner. PROGRAM SUMMARY: Program title: GollumFit Documentation website: https://docs.icecube.aq/gollumfit/main/index.html Developer's repository link: https://github.com/icecube/GollumFit Licensing provisions: GNU Lesser General Public License 2.1 (LGPL) Programming language: C++, Python Nature of problem: Statistical analysis of data from neutrino telescope experiments is often complex and computationally demanding, owing to the need to optimize a likelihood function over many parameters that describe sources of systematic uncertainties and quantities of interest. Solution method: We introduce a framework that performs binned-likelihood optimization, whose performance can handle the number of parameters typical for a neutrino telescope analysis. We highlight a method to perform event-by-event reweighting to incorporate the experimental parameters. In particular, for neutrino telescopes the parameters that incorporate the uncertainties in the atmospheric neutrino flux are common across all experiments and analyses, and are implemented in our framework. The framework has been designed to be easily extendable in the number of observable dimensions and fit parameters. Finally, we use an automatic differentiation package to achieve computational speed in the likelihood optimization.
KW - Analysis framework
KW - Binned likelihood
KW - Neutrino telescope
UR - https://www.scopus.com/pages/publications/105038979460
U2 - 10.1016/j.cpc.2026.110195
DO - 10.1016/j.cpc.2026.110195
M3 - Article
AN - SCOPUS:105038979460
SN - 0010-4655
VL - 326
JO - Computer Physics Communications
JF - Computer Physics Communications
M1 - 110195
ER -