基于LSTM神经网络的低温粒子探测器非线性堆积分离
仪器与探测器
2021-12-14 v1 机器学习
摘要
在使用低温粒子探测器进行高本底或刻度测量时，由于反冲事件的堆积，很大一部分曝光时间会损失掉。我们提出了一种利用LSTM神经网络分离堆积事件的方法，并在一个示例数据集上评估了其性能。尽管存在非线性探测器响应函数，我们仍能够较好地重建严重畸变能谱的真实情况。
引用
@article{arxiv.2112.06792,
title = {Nonlinear pile-up separation with LSTM neural networks for cryogenic particle detectors},
author = {Felix Wagner},
journal= {arXiv preprint arXiv:2112.06792},
year = {2021}
}
备注
Fourth Workshop on Machine Learning and the Physical Sciences (NeurIPS 2021)