基于机器学习利用量能器观测量预测强子簇射中次级粒子参数
仪器与探测器
2023-01-12 v3 高能物理 - 唯象学
摘要
本文描述了一种基于神经网络的新型方法，利用高粒度量能器提供的观测量研究强子簇射中产生的次级粒子的分布。分析了高粒度闪烁体-钢强子量能器对10至80 GeV负π介子的响应，这些粒子由Geant4软件包10.3版的两种物理列表模拟。若干表征强子簇射发展不同方面的全局观测量被用作深度神经网络的输入。该网络回归模型采用监督学习并利用模拟中的真实信息进行训练。训练后的模型用于预测强子簇射内产生的中子数和中性π介子能量。讨论了所实现的性能以及该模型在模拟验证中的可能应用。
引用
@article{arxiv.2205.12534,
title = {Machine-learning-based prediction of parameters of secondaries in hadronic showers using calorimetric observables},
author = {M. Chadeeva and S. Korpachev},
journal= {arXiv preprint arXiv:2205.12534},
year = {2023}
}
备注
17 pages, 14 figures (replaced with revised version, typos corrected)