机器学习在GAPS实验粒子鉴别中的应用
天体物理仪器与方法
2019-09-12 v4
摘要
GAPS是一项国际性气球搭载项目，旨在通过高灵敏度的宇宙线反粒子（尤其是尚未被发现的反氘核）巡天来助力解决暗物质之谜。为获得对稀有反氘核足够的灵敏度，已发展出一种基于奇异原子俘获与衰变的新型粒子鉴别方法。在常规基于似然的事件鉴别方案中利用这一独特事件特征的同时，我们已开始研究一种使用机器学习技术的互补方法。在这种新方法中，深度学习软件包通过多层神经网络在大量模拟反粒子事件的输入数据上进行训练。通过应用这种无偏方法，我们期望挖掘未知模式并反馈给常规方法。本文报告了探索性研究的结果，展示了这一新方法的前景。
引用
@article{arxiv.1904.12288,
title = {Application of Machine Learning to the Particle Identification of GAPS},
author = {Takuya Wada and Hideyuki Fuke and Yuki Shimizu and Tetsuya Yoshida},
journal= {arXiv preprint arXiv:1904.12288},
year = {2019}
}