利用 CTLearn 基于深度学习技术重建 IACT 事件
天体物理仪器与方法
2021-01-20 v1
摘要
成像大气切伦科夫望远镜 (IACT) 阵列是探测甚高能伽马射线天空的卓越仪器。此类望远镜将甚高能伽马射线与宇宙线引发的大气簇射所发射的切伦科夫光聚焦到相机平面。随后，快速相机将大气簇射的纵向发展数字化，记录其空间、时间与量能信息。由此可从这些图像推断引发大气簇射的初级甚高能粒子的性质：可将初级粒子分类为伽马射线或宇宙线，并估计其能量与入射方向。这一所谓全事件重建对阵列探测伽马射线的灵敏度至关重要，可借助机器学习技术辅助。我们提出一种深度学习驱动的全事件重建方法，应用于使用 CTLearn 的模拟 IACT 事件。CTLearn 是一个 Python 包，包含用于加载和处理 IACT 数据以及使用 TensorFlow 运行以像素级相机数据为输入的深度学习模型的模块。
引用
@article{arxiv.2101.07626,
title = {Reconstruction of IACT events using deep learning techniques with CTLearn},
author = {D. Nieto and T. Miener and A. Brill and J. L. Contreras and T. B. Humensky and R. Mukherjee},
journal= {arXiv preprint arXiv:2101.07626},
year = {2021}
}
备注
4 pages, 3 figures, to appear in the proceedings of the XXX Astronomical Data Analysis Software and Systems (ADASS) conference (published by ASP)