利用机器学习加速类轴子粒子的搜寻
网络与互联网体系结构
2019-07-18 v1 系统与控制
系统与控制
摘要
机器学习（ML）技术已在物理学诸多领域取得巨大成功。在这项工作中，我们使用 ML 来对光子与类轴子粒子（ALPs）之间的耦合施加限制。该耦合导致 ALPs 与光子在背景磁场存在下相互转换。这将导致穿过星系团磁场的点源光谱发生调制。该效应已被用于利用常规统计方法对 ALP-光子耦合施加世界领先的界限。我们在来自 Chandra X 射线望远镜的一系列点源和 ALP-光子耦合的模拟光谱上训练 ML 分类算法。然后，我们利用这些算法对真实 Chandra 光谱的响应来对 ALP-光子相互作用施加界限。我们得到了与其他技术相当水平的界限，但在单个源基础上发现了改进。我们预期此类搜寻技术对于未来具有显著更高能量分辨率的望远镜的 ALP 搜寻将变得日益重要。
引用
@article{arxiv.1907.07643,
title = {Cooperative Intersection Crossing over 5G},
author = {Luca Maria Castiglione and Paolo Falcone and Alberto Petrillo and Simon Pietro Romano and Stefania Santini},
journal= {arXiv preprint arXiv:1907.07643},
year = {2019}
}
备注
15 pages, 16 figures, submitted to journal