GAPS 中基于卷积神经网络的新型粒子鉴别方法
天体物理仪器与方法
2023-04-20 v2
摘要
通用反粒子谱仪（GAPS）是一项气球搭载实验，旨在测量低能宇宙线反粒子。GAPS 开发了一种基于入射粒子引起的奇异原子形成的新型反粒子鉴别技术，该技术由 GAPS 中的十层 Si(Li) 探测器径迹仪实现。常规分析使用重建的入射和次级粒子的物理量。与此并行，我们开发了一种基于深度神经网络的互补方法。本文提出了一种新型卷积神经网络（CNN）技术。三维 CNN 将能量沉积作为三维输入，并学习识别其位置/能量关联。我们还研究了物理量与 CNN 技术相结合的方法。研究结果表明，该新技术在粒子鉴别方面优于现有的基于机器学习的方法。
引用
@article{arxiv.2212.13454,
title = {New Particle Identification Approach with Convolutional Neural Networks in GAPS},
author = {Masahiro Yamatani and Yusuke Nakagami and Hideyuki Fuke and Akiko Kawachi and Masayoshi Kozai and Yuki Shimizu and Tetsuya Yoshida},
journal= {arXiv preprint arXiv:2212.13454},
year = {2023}
}
备注
7 pages, 10 figures