基于深度学习的CTAO立体事件重建方法（使用CTLearn）
高能天体物理现象
2025-09-19 v1 天体物理仪器与方法
摘要
切伦科夫望远镜阵列观测台（CTAO）是一个下一代地基伽马射线观测台，将由位于北半球和南半球的两组多台成像大气切伦科夫望远镜（IACT）阵列组成。其目标是在20 GeV至超过300 TeV的能量范围内，将现有仪器的灵敏度提高五到十倍。IACT阵列用于探测超高能（VHE）伽马射线天空，通过同时观测VHE伽马射线和宇宙射线与大气相互作用触发的空气簇射来工作。这些簇射产生的切伦科夫光子形成了事件的立体记录。通过使用机器学习技术重建事件，可以确定原始VHE粒子的属性，包括其类型、能量和入射方向。在本文中，我们提出了一种完全由深度学习驱动的方法，使用CTLearn重建模拟的立体IACT事件。CTLearn是一个用于加载和处理IACT数据以及运行以逐像素相机数据为输入的深度学习模型的软件包。
引用
@article{arxiv.2509.14973,
title = {Deep Learning-Based Stereoscopic Event Reconstruction for CTAO using CTLearn},
author = {T. Miener and I. Viale and B. Lacave and A. Cerviño},
journal= {arXiv preprint arXiv:2509.14973},
year = {2025}
}
备注
Presented at the 39th International Cosmic Ray Conference (ICRC 2025), 2025