图神经网络在宽视域水雾 Cerenkov 型伽马射线观测站中的应用
天体物理仪器与方法
2025-03-21 v2
摘要
凭借其宽视野和高占空率，水雾 Cerenkov 型观测站是研究非常高能伽马射线天空的关键组成部分。对于伽马射线观测，精确的事件重建和高效的背景抑制至关重要且近年来不断提升。本文我们研究将图神经网络 (GNN) 应用于背景抑制和能量重建，并将其性能与最先进的方法进行基准测试。在我们的模拟研究中，我们发现 GNNs 在背景抑制方面优于手工设计的分类算法和可观测量，并在能量分辨率方面相较于基于模板的方法实现了改进。
引用
@article{arxiv.2411.16565,
title = {Application of Graph Networks to a wide-field Water-Cherenkov-based Gamma-Ray Observatory},
author = {Jonas Glombitza and Martin Schneider and Franziska Leitl and Stefan Funk and Christopher van Eldik},
journal= {arXiv preprint arXiv:2411.16565},
year = {2025}
}
备注
published version, 23 pages, 14 figures, 4 tables