利用机器学习进行 HAWC 的伽马/强子分离
高能天体物理现象
2022-09-21 v1 天体物理仪器与方法
摘要
由强子触发本底簇射占地面伽马射线天文台接收的所有粒子的 99.9% 以上。因此，这些天文台数据分析中的一个重要环节是去除强子触发的簇射。目前，高海拔水切伦科夫（HAWC）伽马射线天文台采用基于两个变量单一截断的算法，不同于其他地面伽马射线天文台（如 H.E.S.S.、VERITAS）采用大量变量来分离原初粒子。本工作中，我们探索机器学习技术（提升决策树与神经网络）以识别 HAWC 探测到的原初粒子。我们新的伽马/强子分离技术在蟹状星云（甚高能天文学中的标准参考源）数据上进行了测试，显示出相较于 HAWC 标准本底抑制方法的改进。
引用
@article{arxiv.2108.00112,
title = {Use of Machine Learning for gamma/hadron separation with HAWC},
author = {T. Capistrán and K. L. Fan and J. T. Linnemann and I. Torres and P. M. Saz Parkinson and P. L. H. Yu},
journal= {arXiv preprint arXiv:2108.00112},
year = {2022}
}
备注
Presented at the 37th International Cosmic Ray Conference (ICRC2021), Berlin, Germany - Online