基于人工神经网络的宇宙缪子穿过堆叠阻性板室径迹拟合
仪器与探测器
2018-11-14 v3 高能物理 - 实验
摘要
印度中微子观测站（INO）合作组作为其探测器研发计划的一部分，已开发阻性板室（RPCs）原型堆叠以研究其性能。这些堆叠也被用作相关硬件与软件开发的测试平台。表征这些探测器及其他物理研究的一个关键参数是探测效率，其由穿过堆叠的宇宙缪子径迹拟合来估计。迄今，径迹拟合使用简单的直线拟合，其对噪声击中敏感并导致事件被剔除。在本文中，我们给出使用人工神经网络（ANN）对穿过 RPC 堆叠的宇宙缪子进行径迹拟合的初步结果。我们详细给出为此目的设计的模拟框架，并表明 ANN 提供优于直线拟合的径迹重建效率。我们还讨论了噪声与宇宙缪子探测效率对径迹重建效率的影响。
引用
@article{arxiv.1807.04625,
title = {Artificial Neural Networks-based Track Fitting of Cosmic Muons through Stacked Resistive Plate Chambers},
author = {Deepak Samuel and Karthik Suresh},
journal= {arXiv preprint arXiv:1807.04625},
year = {2018}
}
备注
Major corrections to v2