深度神经网络在IceCube事件类型分类中的应用
天体物理仪器与方法
2019-08-26 v1
摘要
IceCube中微子天文台能够测量100 GeV至数PeV能量范围内的全味中微子通量。由于中微子相互作用的不同特征以及探测器的几何结构，所有高层分析都需要首先将合适事件的筛选作为第一步。然而，目前尚不存在能够通用预测事件底层相互作用类型的算法。一种可能的解决方案是使用类似于常用于2D图像识别的深度神经网络。我们在此提出的分类器基于现代的InceptionResNet架构，并包含多任务学习以拓宽应用领域并提高结果的整体准确性。我们详细讨论了网络的架构，考察了分类器在事件类型分类上的性能，并解释了在IceCube中的可能应用。
引用
@article{arxiv.1908.08763,
title = {Application of Deep Neural Networks to Event Type Classification in IceCube},
author = {Maximilian Kronmueller and Theo Glauch},
journal= {arXiv preprint arXiv:1908.08763},
year = {2019}
}