用于 KM3NeT 中重建与分类的图神经网络
天体物理仪器与方法
2021-11-17 v2 仪器与探测器
摘要
KM3NeT 是一个目前正在地中海建设的中微子望远镜，由大体积切伦科夫探测器的网络组成。其两个不同站点 ORCA 与 ARCA 分别针对几 GeV 与 TeV–PeV 的中微子能量进行了优化。这使得研究范围广泛的物理课题成为可能，从确定中微子质量层级到探测来自天体物理源的中微子。深度学习技术为分析带电粒子穿过探测器所诱导的特征提供了有前景的方法。本文档将涵盖一种基于深度学习的方法，使用图卷积网络在 ORCA 与 ARCA 探测器中对事件进行分类与重建。将展示在模拟上的性能研究以及向真实数据的应用，并与经典方法进行比较。
引用
@article{arxiv.2107.13375,
title = {Graph Neural Networks for reconstruction and classification in KM3NeT},
author = {S. Reck and D. Guderian and G. Vermariën and A. Domi},
journal= {arXiv preprint arXiv:2107.13375},
year = {2021}
}
备注
Presented at the 9th Very Large Volume Neutrino Telescope Workshop (VLVnT 2021), Prepared for submission to JINST