基于深度学习的 neutrino 方向、能量与味型重构——完整不确定性预测
声音
2024-10-15 v1 音频与语音处理
摘要
随着 IceCube-Gen2 观测装置的开发和 RNO-G 施工的进行，超高能 neutrino 首次探测正逼近，使事件重构成为优先级任务。本文 presented 从原始天线信号中对 neutrino 方向、 shower 能量及相互作用类型（从而决定味型）进行完整重构。我们采用条件正规化流（conditional normalizing-flows）的深度神经网络进行重构。首次实现了对所有重构属性的后验分布逐事件预测，特别是对 neutrino 方向不对称不确定性的预测。该算法应用于南极冰中‘浅层’和‘深层’探测器组件的大量蒙特卡罗数据集。我们展示了重构性能并比较了两种站点组件。首次量化了双折射率（birefringence）对事件重构的影响。
引用
@article{arxiv.2410.09578,
title = {Objective Measurements of Voice Quality},
author = {Hira Dhamyal and Rita Singh},
journal= {arXiv preprint arXiv:2410.09578},
year = {2024}
}