在背景抑制中利用机器学习技术结合光传感器时序信息的前景
天体物理仪器与方法
2019-07-23 v1
摘要
机器学习(ML)技术的最新进展为天体粒子物理实验中的高速成像（例如使用成像大气切伦科夫望远镜(IACTs)）提供了一种有前景的新分析方法。特别是，将时序信息与新的机器学习技术结合使用，为事件分类提供了一种新方法。该领域先前的工作利用了来自 IACT 相机光电倍增管的积分电荷图像，但当前和即将推出的大多数 IACT 相机都能够读出触发后的整个光传感器波形。由于来自广延空气簇射(EAS)的切伦科夫光子在相机平面的到达时间取决于其发射高度，这些波形包含对 IACT 事件分类有用的信息。在这项工作中，我们研究了将这些波形与 ML 技术结合使用的潜力，并发现利用它们信息的一种高效方法是创建一组七个额外的波形参数二维直方图，与积分电荷图像一起输入机器学习算法。这似乎优于仅将这些新 ML 技术与波形积分电荷单独使用。我们还在其他实验的背景下考察了这些基于时序的 ML 技术。
引用
@article{arxiv.1907.04566,
title = {Prospects for the Use of Photosensor Timing Information with Machine Learning Techniques in Background Rejection},
author = {Samuel Spencer and Thomas Armstrong and Jason Watson and Garret Cotter},
journal= {arXiv preprint arXiv:1907.04566},
year = {2019}
}
备注
8 pages, 3 figures, Submitted to Proceedings of the 36th International Cosmic Ray Conference (ICRC 2019), Madison, WI, U.S.A