基于六边形卷积神经网络的 X 射线偏振解构方法研究
天体物理仪器与方法
2023-11-15 v1
摘要
径迹重建算法对偏振测量至关重要。除传统的基于矩的径迹重建方法外，卷积神经网络（CNN）是一种有前景的替代方案。然而，气体像素探测器（GPD）中用于更好各向异性的六边形网格径迹图像与经典的基于矩形的 CNN 不匹配，且将径迹图像从六边形转换为正方形会导致信息丢失。我们开发了一种新的六边形 CNN 算法，用于 X 射线偏振计中的径迹重建与偏振估计，该算法从光电子径迹图像中提取出射角与吸收点，并预测所求出射角的不确定性。使用 PolarLight 测试的模拟数据训练和测试六边形 CNN 模型。对于单个能量，在 100% 偏振数据下，六边形 CNN 算法相较矩分析方法在调制因子上提升 15-30%，其性能可与 IXPE 团队新开发的基于矩形的 CNN 算法媲美，但计算成本大幅降低。
引用
@article{arxiv.2311.07834,
title = {Research on the X-Ray Polarization Deconstruction Method Based on Hexagonal Convolutional Neural Network},
author = {Ya-Nan Li and Jia-Huan Zhu and Huai-Zhong Gao and Hong Li and Ji-Rong Cang and Zhi Zeng and Hua Feng and Ming Zeng},
journal= {arXiv preprint arXiv:2311.07834},
year = {2023}
}
备注
21 pages, 12 figures, submitted to NST