基于AI的自触发射电 Extensive Air Showers：性能与FPGA可行性
天体物理仪器与方法
2025-10-14 v3 仪器与探测器
摘要
自主自触发射电探测广泛气动喷发（air showers）仍是长期以来的挑战，尤其是在射频干扰强且不稳定的环境中。当前射电阵列通常依赖外部粒子探测器触发器：虽然降低了垂直喷发的阈值，但排除了极倾斜事件，其中射电探测因粒子级联被吸收而射电脉冲仍可被测量。在本工作中，我提出了一项原理性研究，表明深度学习触发可克服这些限制，在真实的高干扰条件下稳定运行，且满足大规模观测站的严格时延约束。使用测量的噪声轨迹结合模拟宇宙射线脉冲，训练并优化了用于MHz级触发试验速率的全卷积网络，其性能与简单阈值触发器进行了比较，后者在相同误报率下效率明显较低。随后，对训练得到的模型进行量化处理，使用HLS4ML和Vitis HLS进行多个FPGA目标的综合。量化实现保留了浮点模型性能（AUC_float = 0.997，AUC_quant = 0.996），同时实现了微秒级推理时延。这一结果表明，现代基于FPGA的AI推理可为下一代宇宙射线观测站提供低时延、仅用射电的自触发能力，特别是在射频背景强且不稳定的地区。这一能力 unlocks对弱及极倾斜气动喷发信号的访问——即使在嘈杂的环境中——从而拓宽能量范围、扩展天空覆盖范围，并为地面射电阵列探测超高能中子提供通路。
引用
@article{arxiv.2502.21198,
title = {AI-Enhanced Self-Triggering for Extensive Air Showers: Performance and FPGA Feasibility},
author = {Qader Dorosti},
journal= {arXiv preprint arXiv:2502.21198},
year = {2025}
}