面向冰原射电中子子观测站的基于卷积神经网络的离线中子过滤算法
天体物理仪器与方法
2025-08-20 v1
摘要
中子天文学是天体物理学中的一个充满活力的研究领域，为我们了解宇宙最高能现象提供了独特的洞见。中子因其截面积小且无电磁电荷，能够保留关于其原始来源的大部分信息。然而，这些低截面结合更高能量下的低通量，使得中子成为标准模型中最难检测的粒子之一。冰原射电中子子观测站 (RNO-G) 旨在通过射频范围内的电磁信号来检测冰盖中偶发的中子相互作用，这些信号由产生的带电次级粒子引起。低来的中子通量迫使探测器设置低触发阈值，导致测量数据被热噪声波动淹没。因此，需要一种精致且稳健的过滤器来区分中子信号与噪声。本文介绍了基于卷积神经网络架构开发的过滤器。所使用的网络采用真实的 RNO-G 数据和模拟中子信号，对测量数据进行分类，区分为噪声或中子信号事件。
引用
@article{arxiv.2508.13860,
title = {Offline Neutrino Filtering using a Convolutional Neural Network-Based Algorithm at the Radio Neutrino Observatory Greenland},
author = {Ruben Camphyn},
journal= {arXiv preprint arXiv:2508.13860},
year = {2025}
}
备注
Presented at the 28th European Cosmic Ray Symposium (ECRS 2024), submitted to Central European Astrophysical Bulletin (CEAB)