用于 IceCube 信号分类的图神经网络
机器学习
2018-09-18 v1 天体物理仪器与方法
机器学习
摘要
涉及几何（图与流形结构）数据分析的任务近来在机器学习界日益突出，催生了快速发展的几何深度学习领域。本工作中，我们利用图神经网络改进 IceCube 中微子观测站中的信号探测。IceCube 探测器阵列被建模为图，其中顶点为传感器，边为传感器空间坐标的学习函数。由于在给定的观测中仅 IceCube 的部分传感器处于活跃状态，我们注意到我们 GNN 的自适应特性，其计算被限制在输入信号支撑集上。我们在 IceCube 事件分类任务上展示了 GNN 架构的有效性，其性能优于传统的基于物理的方法以及经典的 3D 卷积神经网络。
引用
@article{arxiv.1809.06166,
title = {Graph Neural Networks for IceCube Signal Classification},
author = {Nicholas Choma and Federico Monti and Lisa Gerhardt and Tomasz Palczewski and Zahra Ronaghi and Prabhat and Wahid Bhimji and Michael M. Bronstein and Spencer R. Klein and Joan Bruna},
journal= {arXiv preprint arXiv:1809.06166},
year = {2018}
}