用于 CLAS12 漂移室数据去噪的卷积自编码器
仪器与探测器
2022-06-14 v2 核实验
摘要
在本文中，我们展示了使用卷积自编码器对 CLAS12 漂移室的原始数据进行去噪的结果。该去噪神经网络提高了径迹重建效率，并改善了高亮度实验数据采集的性能。将所用的去噪神经网络与先前开发的径迹分类器神经网络 \cite{Gavalian:2022hfa} 结合使用，使得在当前亮度（）下径迹重建效率显著提升。实验测量量的增加将允许以两倍亮度运行实验而保持相同的径迹重建效率。这将为加速器运行成本带来巨大节省，并为 Jefferson Lab 及合作机构节约大量经费。
引用
@article{arxiv.2205.02616,
title = {Convolutional Auto-Encoders for Drift Chamber data de-noising for CLAS12},
author = {Gagik Gavalian and Polykarpos Thomadakis and Angelos Angelopoulos and Nikos Chrisochoides},
journal= {arXiv preprint arXiv:2205.02616},
year = {2022}
}