TAIGA实验中利用深度学习方法重建切伦科夫望远镜图像能量
天体物理仪器与方法
2022-11-17 v1 高能天体物理现象
机器学习
摘要
TAIGA天体物理综合体的成像大气切伦科夫望远镜（IACT）可观测高能伽马辐射，有助于研究许多天体物理对象与过程。TAIGA-IACT使我们能够从总宇宙辐射流中筛选伽马量子并重建其初级参数，如能量和到达方向。处理所得图像的传统方法是图像参数化——即所谓的Hillas参数法。目前，机器学习方法，特别是深度学习方法，已积极用于IACT图像处理。本文展示了利用多种深度学习方法对单台望远镜（单镜模式）和多台IACT望远镜（立体模式）的模拟蒙特卡洛图像进行分析。评估了能量重建的质量，并利用若干类神经网络分析了其能谱。利用所开发的方法，还将所得结果与传统基于Hillas参数的方法所得结果进行了比较。
引用
@article{arxiv.2211.08971,
title = {Energy Reconstruction in Analysis of Cherenkov Telescopes Images in TAIGA Experiment Using Deep Learning Methods},
author = {E. O. Gres and A. P. Kryukov},
journal= {arXiv preprint arXiv:2211.08971},
year = {2022}
}