EUSO-SPB 数据中空气簇射识别的机器学习方法
天体物理仪器与方法
2019-09-10 v1 机器学习
摘要
超级压力气球极端宇宙空间观测台（EUSO-SPB1）的主要目标是从上方观测由超高能宇宙射线引起的广延空气簇射。EUSO-SPB1 使用荧光探测器，从近太空高度以天底观测模式观测大气。在 12 天飞行期间，机载一级触发发现了超过 \num{175000} 个候选事件。本文提出一种在该数据集中识别空气簇射的方法。该方法使用特征提取方法创建事件的更简表示，然后使用成熟的机器学习技术将数据分类为至少两类——簇射与噪声。机器学习模型在一组叠加于飞行期间观测到的背景之上的空气簇射模拟集和一组飞行事件上训练。我们展示了该方法在模拟事件数据集上的效率。飞行数据事件也用于无监督学习方法以识别具有相似特征的事件组。所提方法使我们能够缩短候选事件列表，并且得益于无监督方法识别的相似事件组，触发事件的分类得以简化。
引用
@article{arxiv.1909.03680,
title = {Machine Learning Approach for Air Shower Recognition in EUSO-SPB Data},
author = {Michal Vrábel and Ján Genči and Pavol Bobik and Francesca Bisconti},
journal= {arXiv preprint arXiv:1909.03680},
year = {2019}
}
备注
8 pages, 8 figures, ICRC2019