是否清洗？基于深度学习的 CTAO 事件重建中像素删除的影响
天体物理仪器与方法
2025-02-12 v1
摘要
观察者天文台阵列（CTAO）是下一代地面天文观测站，采用成像空气氕致光技术用于研究极高能 gamma 射线。软件 Gammalearn 提议在 CTAO 数据分析中应用深度学习，从望远镜捕获的图像中直接重建事件参数，以最小化预处理以最大化保留的信息。在 CTAO 中，数据分析将包括数据量减轻，这会确定性地删除像素。此步骤对于数据传输和存储是必要的，但也可能涉及信息损失，这些信息可被神经网络（NN）等敏感算法利用。本文评估了在蒙特卡洛模拟来自第一大型阵列望远镜图像上应用不同清洁掩码后，gamma-PhysNet 性能的影响。此研究对于评估数据处理中像素删除的影响至关重要，主要是出于数据压缩的动机。
引用
@article{arxiv.2502.07643,
title = {To clean or not to clean? Influence of pixel removal on event reconstruction using deep learning in CTAO},
author = {Tom François and Justine Talpaert and Thomas Vuillaume},
journal= {arXiv preprint arXiv:2502.07643},
year = {2025}
}
备注
4 pages, 3 figures, proceedings submitted to ADASS XXXIV - 2024, Malta