KM3NeT/ARCA è un telescopio di neutrini in costruzione, a 3500 m di profondità, nel Mar Mediterraneo. Il suo obiettivo è di studiare processi in sorgenti astrofisiche che sono causa dell'origine dei neutrini di alta energia. In questo contesto, riuscire a classificare il tipo di neutrini che si osservano in KM3NeT/ARCA (elettronici, muonici e tauonici) e riuscire a rigettare la maggior parte del fondo di muoni e neutrini atmosferici è di vitale importanza per poter caratterizzare al meglio le sorgenti astrofisiche dei neutrini cosmici. Recenti sviluppi nel campo del deep learning hanno dimostrato come le Reti Neurali a Grafo (GNNs) siano in grado di classificare gli eventi in KM3NeT con grande precisione, superando le performance degli algoritmi classicamente usati. Un altro vantaggio delle GNNs è che sono potenzialmente le più idonee a descrivere un detector in movimento quale KM3NeT, le cui linee di rivelazione e i cui moduli ottici digitali si muovono e ruotano come conseguenza delle correnti marine. La tesi propone di utilizzare le GNNs per ottimizzare la classificazione degli eventi in KM3NeT/ARCA, applicando i risultati ottenuti ad una prima analisi con i dati di ARCA.