基于全连接神经网络利用 TAIGA HiSCORE 数据评估广延大气簇射方向
天体物理仪器与方法
2025-03-27 v1 高能天体物理现象
机器学习
摘要
广延大气簇射的方向可用于确定 gamma 量子源，并在估算初级粒子能量中起重要作用。TAIGA 实验中由非成像 Cherenkov 探测器站组成的 HiSCORE 阵列记录的光电子数与探测时间数据，可用于高精度估算簇射方向。本工作中，我们使用在 Monte Carlo 模拟的 TAIGA HiSCORE gamma 量子数据上训练的人工神经网络来获得簇射方向估计。该神经网络为带有跳跃连接的多层感知机，以多个 HiSCORE 站的部分数据作为输入；复合估计由神经网络的多重个体估计导出。我们应用一种两阶段算法，其中第一阶段获得的方向估计用于转换输入数据并细化估计。最终估计的平均误差小于 0.25 度。该方法将用于对 TAIGA 实验中使用的多种类型探测器的数据进行多模态分析。
引用
@article{arxiv.2502.13851,
title = {Evaluation of EAS directions based on TAIGA HiSCORE data using fully connected neural networks},
author = {A. P. Kryukov and S. P. Polyakov and Yu. Yu. Dubenskaya and E. O. Gres and E. B. Postnikov and P. A. Volchugov and D. P. Zhurov},
journal= {arXiv preprint arXiv:2502.13851},
year = {2025}
}
备注
The work was reported on the 8th International Conference on Deep Learning in Computational Physics (DLCP2025), June 19-21, 2024, Moscow, Russia (https://dlcp2024.sinp.msu.ru/). To bee published in Moscow University Physics Bulletin