用于识别超高能宇宙线质量组成的深度学习方法
天体物理仪器与方法
2022-05-18 v2 高能天体物理现象
机器学习
摘要
我们引入一种利用深度学习识别超高能宇宙线质量组成的新方法。该方法的关键思想是使用两条神经网络链。第一个网络预测单个事例中初级粒子的类型，而第二个网络推断一组事例的质量组成。我们将此方法应用于望远镜阵列地面探测器读数的蒙特卡洛数据，在四组分近似下其误差低至前所未有的7%。我们还讨论了将所开发方法应用于实验数据的问题及其解决途径。
引用
@article{arxiv.2112.02072,
title = {Deep learning method for identifying mass composition of ultra-high-energy cosmic rays},
author = {O. Kalashev and I. Kharuk and M. Kuznetsov and G. Rubtsov and T. Sako and Y. Tsunesada and Ya. Zhezher},
journal= {arXiv preprint arXiv:2112.02072},
year = {2022}
}
备注
19 pages, 5 figures