基于卷积神经网络的时投影室事件选择与背景抑制及其在AdEPT伽马射线偏振计任务中的具体应用
摘要
先进高能电子对望远镜(Advanced Energetic Pair Telescope)伽马射线偏振计使用时投影室测量电子对产生事件，其原始仪器数据率预计比典型卫星数据通信可传输的数据率高四个数量级。GammaNet是一种卷积神经网络，旨在通过星上执行电子对产生与背景事件的事件分类来解决此问题，将数据率降低至典型卫星通信系统可承载的水平。为训练GammaNet，使用Geant4蒙特卡洛代码为先进高能电子对望远镜模拟了1.1×10^6个电子对产生事件和10^6个背景事件。另外模拟了10^3个电子对产生事件和10^5个背景事件，以测试GammaNet的背景判别能力。经优化，GammaNet已满足银河系宇宙线质子事件的背景抑制要求。在下传速率最佳假设下，对5 MeV和250 MeV入射伽马射线，电子对产生的信号灵敏度范围为1.1±0.5%至69±2%。在下传速率最差情形下，该范围变为0.1±0.1%至17±2%。将特征可视化算法应用于GammaNet，显示其对电子噪声以及进出视场的事件响应降低，而对邻近的平行径迹响应增强。GammaNet已成功实现并展现出有前景的结果。
引用
@article{arxiv.2011.07136,
title = {Event Selection and Background Rejection in Time Projection Chambers Using Convolutional Neural Networks and a Specific Application to the AdEPT Gamma-ray Polarimeter Mission},
author = {Richard L. Garnett and Soo Hyun Byun and Andrei R. Hanu and Stanley D. Hunter},
journal= {arXiv preprint arXiv:2011.07136},
year = {2020}
}
备注
Citation: Richard L. Garnett, Soo Hyun Byun, Andrei R. Hanu, Stanley D. Hunter, Event selection and background rejection in time projection chambers using convolutional neural networks and a specific application to the AdEPT gamma-ray polarimeter mission, NIM A: Accelerators, Spectrometers, Detectors and Associated Equipment, 2020, 164860, ISSN 0168-9002, 10.1016/j.nima.2020.164860