基于卷积神经网络的TAIGA-IACT图像分析初步结果
天体物理仪器与方法
2021-12-21 v1 高能天体物理现象
机器学习
摘要
位于布里亚特共和国通卡谷的成像切伦科夫望远镜TAIGA-IACT会在短时间内积累大量数据，必须高效快速地对其进行分析。此类分析的方法之一是机器学习，近年来其已在许多技术与科学领域证明了有效性。本工作的目的是研究将机器学习应用于解决TAIGA-IACT所设任务的可能性：宇宙线初级粒子的鉴别及其物理参数的重建。工作中采用卷积神经网络（CNN）方法处理并分析由CORSIKA模拟的蒙特卡洛事件。同时还考虑了多种用于处理的CNN架构。已证明该方法在判定广延空气簇射（EAS）初级粒子类型以及重建伽马射线能量方面给出了良好结果。在立体观测的情况下结果有显著改善。
引用
@article{arxiv.2112.10168,
title = {The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks},
author = {Elizaveta Gres and and Alexander Kryukov},
journal= {arXiv preprint arXiv:2112.10168},
year = {2021}
}
备注
In Proceedings of 5th International Workshop on Deep Learning in Computational Physics (DLCP2021), 28-29 June, 2021, Moscow, Russia. 9 pages, 3 figures, 2 tables