用条件生成对抗网络为VERITAS望远镜生成大气簇射图像
天体物理仪器与方法
2023-08-23 v1 高能天体物理现象
摘要
VERITAS（甚高能辐射成像望远镜阵列系统）是当前一代由四台12米光学地基成像大气切伦科夫望远镜（IACTs）组成的阵列。其主要目标是通过间接方式观测宇宙中最为剧烈的天体物理源的伽马射线辐射。机器学习（ML）的最新进展激发了利用神经网络（NNs）直接从IACT图像推断性质的研究兴趣。然而，这些NN当前的训练数据通过计算昂贵的蒙特卡洛（MC）模拟方法生成。本研究提出一种模拟方法，采用条件生成对抗网络（cGANs）合成额外的VERITAS数据以促进未来NN的训练。在这一概念验证研究中，我们以五类模拟相机图像为条件训练GANs，包括圆形缪子簇射以及位于相机第一、第二、第三和第四象限的伽马射线簇射图像。我们的结果表明，通过将训练数据视为时间序列，cGANs能够1）基于输入类别向量复现簇射形态，以及2）通过在类别和潜空间中的插值泛化额外信号。借助GPU的优势，我们的方法能以惊人速度合成新信号，在不到一分钟内生成超过个簇射事件。
引用
@article{arxiv.2308.11431,
title = {Generating airshower images for the VERITAS telescopes with conditional Generative Adversarial Networks},
author = {J. Hoang and D. A. Williams},
journal= {arXiv preprint arXiv:2308.11431},
year = {2023}
}