Stereograph：基于图神经网络的 CTAO 立体事件重建
天体物理仪器与方法
2025-02-12 v1 高能天体物理现象
摘要
CTAO（Cherenkov Telescope Array Observatory）是正在建设中的国际天文观测站。由超过六十台望远镜组成，未来将是世界上最大且最灵敏的地面型射电望远镜。CTAO 通过观察由暴风暴 (supernovae)、黑洞环境等释放的伽马射线来研究高能宇宙。这些伽马射线进入大气时会产生气象 shower，产生淡蓝色光线，由 CTAO 高度灵敏的相机观测。事件重建包括分析望远镜产生的图像，以检索入射粒子的物理属性（主要为方向、能量和类型）。标准方法包括结合传统图像参数计算与机器学习算法（如随机森林），用于估计每个望远镜的粒子能量和类别概率。第二步称为立体视觉，将这些单摄像机重建通过加权平均合并为全局重建。本文探索使用图神经网络（GNN）作为结合各望远镜信息的合适方法。“图”方法旨在链接来自不同望远镜的观测，允许从多个角度分析 shower，产生事件的立体重建。我们将 GNNs 应用于 CTAO 来自北半球的模拟数据，结果表明它们是一种非常有前景的方法，可通过改进事件重建，提供更高效的立体重建。在特定情况下，尤其是在事件选择前，我们观察到其能量和角分辨率更好，以及在伽马射线与质子之间的分离效果优于随机森林方法。
引用
@article{arxiv.2502.07421,
title = {Stereograph: Stereoscopic event reconstruction using graph neural networks applied to CTAO},
author = {Hana Ali Messaoud and Thomas Vuillaume and Tom François},
journal= {arXiv preprint arXiv:2502.07421},
year = {2025}
}