通过混合机器学习与解析事件重建减轻气体像素探测器中的极化泄漏
天体物理仪器与方法
2025-06-10 v1
摘要
对扩展X射线源的空间分辨极化测量正在拓展我们对发射机制和磁场属性的理解。过去几年 thanks to Imaging X-ray Polarimetry Explorer (IXPE)，这些测量才成为可能。然而，扩展源的分析受系统性效应的影响，称为极化泄漏，这会人为地影响测量的极化信号。为解决此问题，我们构建了一种混合重建算法，结合机器学习和解析技术来改进Gas Pixel探测器中光电子轨迹的重建，并显著减轻极化泄漏。本work首次将此混合方法应用于实验数据，包括校准实验室测量和IXPE观测数据。我们确认了该混合方法在两种情况下均可靠的性能。此外，我们展示了该算法通过分析IXPE对超新星残余G21.5-0.9的观测，在减少极化泄漏效应方面的有效性。通过实现更可靠的极化测量，该方法可能深入了解扩展X射线源中工作的磁场结构、粒子加速过程和辐射机制。
引用
@article{arxiv.2506.07828,
title = {Mitigating Polarization Leakage in Gas Pixel Detectors through Hybrid Machine Learning and Analytic Event Reconstruction},
author = {Nicoló Cibrario and Michela Negro and Raffaella Bonino and Nikita Moriakov and Luca Baldini and Niccoló Di Lalla and Alessandro Di Marco and Sergio Fabiani and Andrea Frassá and Alessio Gorgi and Fabio La Monaca and Luca Latronico and Simone Maldera and Alberto Manfreda and Fabio Muleri and Nicola Omodei and John Rankin and Carmelo Sgró and Stefano Silvestri and Paolo Soffitta and Stefano Tugliani},
journal= {arXiv preprint arXiv:2506.07828},
year = {2025}
}