使用卷积神经网络进行磁场螺旋度分类
高能天体物理现象
2021-06-15 v1 人工智能
计算机视觉与模式识别
机器学习
高能物理 - 唯象学
摘要
星系际磁场中非零螺旋度的存在是其 primordial 起源的确凿证据，因为它们必须由打破 CP 不变性的过程产生。作为螺旋磁场存在的实验特征，先前已提出一种基于来自（例如）TeV 耀发体的电磁级联中产生的光子波矢三重标积的量 作为估计量。我们提出将深度学习应用于螺旋度分类，采用卷积神经网络，并表明该方法优于 估计量。
引用
@article{arxiv.2106.06718,
title = {Using Convolutional Neural Networks for the Helicity Classification of Magnetic Fields},
author = {Nicolò Oreste Pinciroli Vago and Ibrahim A. Hameed and Michael Kachelriess},
journal= {arXiv preprint arXiv:2106.06718},
year = {2021}
}
备注
14 pages, extended version of a contribution to the proceedings of the 37.th ICRC 2021