基于神经网络的 PIC 模拟中加速粒子的预测与异常检测
高能天体物理现象
2023-08-31 v1 计算物理
等离子体物理
摘要
天体物理等离子体中发生的加速过程产生在地球上观测到的宇宙射线。为研究粒子加速，常使用全动力学粒子在胞（PIC）模拟，因其能揭示能量化过程的微观物理。PIC 模拟中单个粒子的示踪在这方面尤为有用。然而，肉眼检查粒子轨迹在精确定位影响粒子的特定加速机制时包含高度偏差与不确定性。此处我们提出一种使用神经网络辅助单粒子数据分析的新方法。我们在一组测试数据上演示该方法，该数据由 252,000 个在相对论性高马赫数垂直激波的非相对论 PIC 模拟中示踪的电子组成，其中我们观测到双流静电 Buneman 不稳定性将一部分电子预加速至非热能量。我们使用卷积神经网络执行分类、回归与异常检测。我们表明，无论数据集多么噪声大与不平衡，回归与分类均能高精度预测粒子最终能量，而异常检测能够区分高能与非高能粒子。所提方法可大幅简化大规模 PIC 及混合动力学模拟中的粒子分类。
引用
@article{arxiv.2308.15835,
title = {Prediction and Anomaly Detection of accelerated particles in PIC simulations using neural networks},
author = {Gabriel Torralba Paz and Artem Bohdan and Jacek Niemiec},
journal= {arXiv preprint arXiv:2308.15835},
year = {2023}
}
备注
PoS(ICRC2023)341