基于深度学习的 IceCube-Gen2 射电探测器事件重建
高能天体物理现象
2023-08-02 v1
摘要
计划建于南极的 IceCube-Gen2 冰内射电阵列将对 EeV 量级的超高能(UHE)中微子提供前所未有的灵敏度。探测器测量中微子能量和方向的能力至关重要。本文利用深度神经网络(DNNs)对该混合射电阵列的两个探测器组件('浅层'与'深层')的这两个量进行端到端重建。我们能够对包括电子中微子带电流相互作用在内的所有事件拓扑精确预测中微子方向与能量,后者因 LPM 效应而更为复杂。这凸显了 DNNs 在建模射电探测器数据中复杂关联方面的优势,从而实现对中微子能量与方向的测量。我们讨论了如何使用归一化流预测每个单独事件的概率密度函数(PDF),以建模重建中微子方向复杂的非高斯不确定性轮廓。最后,我们讨论了如何利用该工作进一步优化探测器布局以提升其重建性能。
引用
@article{arxiv.2308.00164,
title = {Deep Learning Based Event Reconstruction for the IceCube-Gen2 Radio Detector},
author = {Nils Heyer and Christian Glaser and Thorsten Glüsenkamp},
journal= {arXiv preprint arXiv:2308.00164},
year = {2023}
}
备注
Presented at the 38th International Cosmic Ray Conference (ICRC2023). See arXiv:2307.13048 for all IceCube-Gen2 contributions