CNNCat：基于卷积神经网络的Compton/Pair 射线望远镜中高能光子分类
天体物理仪器与方法
2024-11-05 v2
摘要
Compton/Pair 射线望远镜旨在提供亚MeV至GeV能段宇宙光子的谱解析图像，记录大量数据，包括轨迹探测器和热探测器的数据。由于数据传输带宽有限， onboard 事件分类可能需要决定优先传输哪些数据。事件分类也是数据重建的第一步且最关键的步骤之一，其结果决定了事件的后续处理，即决定采用何种重建方法（Compton 或 pair），或者是否舍弃该事件。此阶段的错误会导致误度化并丢失源信息。我们提出一种基于卷积神经网络驱动的分类算法。它仅基于低层探测器数据，对电磁相互作用类型进行分类。我们介绍了该任务、描述了网络架构和数据集，并在该方法在(-)ASTROGAM 和类似望远镜的上下文中呈现了性能。
引用
@article{arxiv.2407.10358,
title = {CNNCat: Categorizing high-energy photons in a Compton/Pair Telescope with Convolutional Neural Networks},
author = {Jan Peter Lommler and Uwe Oberlack},
journal= {arXiv preprint arXiv:2407.10358},
year = {2024}
}
备注
Accepted for publication in Experimental Astronomy