用于液氩时间投影室中簇射能量预测的卷积神经网络
高能物理 - 实验
2022-02-23 v4
摘要
当能量为 O(100) MeV 的电子穿过液氩时间投影室（LArTPC）时，它们以电磁簇射的形式沉积能量。在 LArTPC 中重建这些簇射能量的方法通常依赖于聚类算法与簇内电荷和簇射能量之间线性标定相结合。该重建过程可通过使用卷积神经网络（CNN）得以改进。在此我们讨论各种基于 CNN 的模型在模拟 LArTPC 图像上的性能，然后将性能最佳的模型与典型的线性标定算法进行比较。我们表明，与线性算法相比，CNN 方法能够解决 LArTPC 中无响应丝线所引起的工作效率低下问题，并以 5% 以内的精度重建更大比例的不完美事件。
引用
@article{arxiv.2110.10766,
title = {Convolutional Neural Networks for Shower Energy Prediction in Liquid Argon Time Projection Chambers},
author = {Kiara Carloni and Nicholas W. Kamp and Austin Schneider and Janet M. Conrad},
journal= {arXiv preprint arXiv:2110.10766},
year = {2022}
}
备注
27 pages, 21 figures, 5 tables