基于 GNN 的 GRAND 宇宙射线性质重建
天体物理仪器与方法
2025-07-15 v2 高能物理 - 实验
摘要
巨型射电中子探测阵列（GRAND）旨在通过观察广泛空气喷发产生的射电辐射来探测和研究超高能（UHE）中子。GRANDProto300 原型主要聚焦于 UHE 宇宙射线，以演示将来用于中子探测的自主检测与重建技术。本文提出了一种方法，利用来自噪声模拟电压痕迹的先进机器学习技术，对到达方向和能量进行高精度重建。对于每个事件，我们将触发的天线表示为图结构，用作图神经网络（GNN）的输入。通过将物理知识纳入 GNN 架构和输入数据中，我们显著提升了精度并减少了所需的训练集规模。该方法实现了 0.14 度的角分辨率和约 15% 的初始能量重建分辨率。此外，我们采用不确定性估计方法来提高预测的可靠性。这些方法允许我们量化 GNN 预测的置信度，并为方向和能量重建提供置信区间。最后，我们探讨了在实际数据上应用该模型时评估模型一致性和鲁棒性的策略。我们的目标是识别在仿真与现实之间出现领域迁移时，预测仍保持可信赖的情形。
引用
@article{arxiv.2507.07541,
title = {Reconstruction of cosmic-ray properties with GNN in GRAND},
author = {Arsène Ferrière and Aurélien Benoit-Lévy},
journal= {arXiv preprint arXiv:2507.07541},
year = {2025}
}
备注
Presented at the 39th International Cosmic Ray Conference (ICRC 2025). 8 pages, 6 figures