图网络在成像大气切伦科夫望远镜本底抑制中的应用

成像大气切伦科夫望远镜（IACTs）是地基观测 GeV 至 TeV 能区伽马射线的关键设备。地基伽马射线天文学的一个特殊挑战是有效抑制强子本底。我们提出了一种基于深度学习的新算法，用于对单台或多台成像大气切伦科夫望远镜所测量的图像进行分类。我们将探测到的图像解释为一组被触发的传感器，这些传感器可由图表示并通过图卷积网络进行分析。对于已去除夜空光污染的图像，这允许设计高效算法，从而规避基于计算机视觉技术（如卷积神经网络）的深度学习方法所面临的稀疏图像难题。我们研究了不同的图网络架构，发现其性能 promising，较以往的机器学习和深度学习方法有改进。