X射线偏振测量的深度集成方法
天体物理仪器与方法
2021-12-01 v2 计算机视觉与模式识别
机器学习
摘要
随着 NASA 的成像 X 射线偏振探测器（IXPE）的发射，X 射线偏振测量即将为高能宇宙开启一扇新窗口。偏振计目前受限于其径迹重建算法，这些算法通常使用线性估计器且不考虑单个事件的质量。我们提出了一种现代深度学习方法，用于最大化带有成像偏振计的 X 射线望远镜观测的灵敏度，重点关注将搭载于 IXPE 的气体像素探测器（GPDs）。我们使用在蒙特卡洛事件模拟上训练的 ResNets 深度集成的预测的加权最大似然组合。我们推导并应用了最优事件加权，以最大化径迹重建算法中的偏振信噪比（SNR）。对于典型的幂律源光谱，我们的方法改进了当前的最先进水平，在给定 SNR 下所需的曝光时间减少了约 40%。
引用
@article{arxiv.2111.03047,
title = {A deep ensemble approach to X-ray polarimetry},
author = {A. L. Peirson and R. W. Romani},
journal= {arXiv preprint arXiv:2111.03047},
year = {2021}
}
备注
Fourth Workshop on Machine Learning and the Physical Sciences (NeurIPS 2021)