基于信息场理论的稠密射电天线阵列空气 shower profile 重建新方法

重建 extensive air showers 从 cosmic rays 在地球大气中相互作用产生的纵向轮廓，对于理解其质量组成至关重要，这反过来又提供了有关其可能来源的宝贵见解。稠密射电天线阵列，如 low frequency array (LOFAR) 望远镜以及即将推出的 Square Kilometre Array Observatory (SKAO)，是探索空气 shower profile 重建潜力的理想仪器，因为其高天线密度允许以前所未有精度进行 cosmic ray 观察。然而，当前的分析方法只能恢复 $X_\mathrm{max}$，即气象层厚度最大值，并且严重依赖于计算昂贵的模拟。因此，发展能够高效进行完整空气 shower profile 重建的新分析方法越来越至关重要。在本工作中，我们开发了一个使用来自射电探测器的 measurements 进行空气 shower profile 重建的新框架，基于 Information Field Theory (IFT)，这是一种基于贝叶斯推断的前沿重建框架。通过 IFT，我们能够同时利用信号中每个天线位置处的所有可用信息（�幅、相位和脉冲形状），并显式地利用受我们当前对空气 shower 物理理解所启发的模型。我们在为 LOFAR 准备的模拟数据集上验证了我们的框架，展示我们不仅能够以每个大气深度 bin 的不确定性恢复空气 shower profile，而且能够恢复每个天线位置处的重建轨迹。我们的框架表明，像 LOFAR 和 SKAO 这样稠密的天线布局的射电 measurements 具有超越 $X_\mathrm{max}$ 重建的能力，从而将有助于我们对 cosmic rays 质量组成的理解。