利用图神经网络在 LHAASO-KM2A 实验上分类宇宙线质子和轻核组
天体物理仪器与方法
2019-10-17 v1 高能物理 - 实验
摘要
精确测量宇宙线（CR）成分的膝区对于揭示 CR 加速和传播机制的奥秘以及探索新物理至关重要。然而，对 CR 成分进行分类是一项艰巨的任务，特别是对于原子序数彼此接近的核组。意识到深度学习在许多领域取得了显著突破，我们寻求利用这项技术来提高 LHAASO-KM2A 实验上宇宙线质子和轻核组的分类性能。在这项工作中，我们结合 KM2A 阵列提出了一种融合图神经网络模型，其中被激活的探测器被结构化为图。我们发现，该模型可以有效区分信号和背景，并且其性能在整个能量范围内均优于传统的基于物理的方法和基于 CNN 的模型。
关键词
引用
@article{arxiv.1910.07160,
title = {Classifying the Cosmic-Ray Proton and Light Groups on the LHAASO-KM2A Experiment with the Graph Neural Network},
author = {Chao Jin and Song-zhan Chen and Hui-Hai He},
journal= {arXiv preprint arXiv:1910.07160},
year = {2019}
}
备注
10 pages, 11 figures