用于气体像素探测器 X 射线偏振测量的机器学习与解析径迹重建联合方法
天体物理仪器与方法
2023-06-14 v1 高能天体物理现象
仪器与探测器
摘要
我们展示了关于用于天体物理 X 射线偏振测量的气体像素探测器中光电子径迹重建的研究。我们的工作旨在最大化卷积神经网络 (CNNs) 的性能，以根据光电子径迹图像预测入射 X 射线的撞击点。通过对图像引入人工锐化过程，实现了撞击点位置重建的极高精度。我们发现，将 CNN 预测的撞击点作为最先进解析分析的输入，可提升调制因子（在 3 keV 时约 1%，在 6 keV 时约 6%），并自然缓解了亮延展源偏振测量中已知的称为“偏振泄漏”的微妙效应。
引用
@article{arxiv.2304.14425,
title = {Joint machine learning and analytic track reconstruction for X-ray polarimetry with gas pixel detectors},
author = {Nicoló Cibrario and Michela Negro and Nikita Moriakov and Raffaella Bonino and Luca Baldini and Niccoló Di Lalla and Luca Latronico and Simone Maldera and Alberto Manfreda and Nicola Omodei and Carmelo Sgró and Stefano Tugliani},
journal= {arXiv preprint arXiv:2304.14425},
year = {2023}
}