X射线偏振计数据的神经网络分析
天体物理仪器与方法
2023-04-05 v1
摘要
本章提出基于深度神经网络的方法,用于提升配备成像偏振计的X射线望远镜观测的灵敏度。深度神经网络可用于从二维光电子径迹图像中确定光电子发射方向、光子吸收点与光子能量,并给出统计与模型不确定度的估计。深度神经网络预测不确定度可纳入加权最大似然以估计源偏振参数。在 fiducial 气体体积外转换、其径迹偏振灵敏度低的事件使偏振估计复杂化。基于深度神经网络的分类器可用于筛选此类事件以提升能量分辨率与偏振灵敏度。深度神经网络方法的性能与标准数据分析方法比较,对IXPE专用仿真显示出最小可探测偏振优于<0.75倍的改进。讨论了这些方法的潜在未来发展及改进。
引用
@article{arxiv.2206.10537,
title = {Neural network analysis of X-ray polarimeter data},
author = {Abel L. Peirson},
journal= {arXiv preprint arXiv:2206.10537},
year = {2023}
}
备注
Invited chapter for the "Handbook of X-ray and Gamma-ray Astrophysics" (Eds. C. Bambi and A. Santangelo, Springer Nature, 2022), accepted (47 pages, 22 figures)