基于VAE潜空间对RNO-G数据的分类
高能天体物理现象
2023-09-29 v1 天体物理仪器与方法
机器学习
摘要
格陵兰射电中微子观测站(RNO-G)是一个基于射电的超高能中微子探测器,位于格陵兰Summit Station,目前仍在建设中,已有7个站点运行。中微子探测通过测量中微子-核子相互作用产生的Askaryan辐射实现。必须在以高得多的速率记录的其他本底(包括宇宙射线与人造噪声,其来源有时未知)中发现中微子候选事件。本文描述一种利用变分自编码器的潜空间对不同噪声类别进行分类的方法。潜空间形成紧凑表示,使分类可行。我们分析了来自一个噪声站点与一个静默站点的数据。该方法自动检测并使我们能够定性区分多个事件类别,包括物理风致信号,对噪声与安静站点均适用。
引用
@article{arxiv.2309.16401,
title = {VAE-based latent-space classification of RNO-G data},
author = {Thorsten Glüsenkamp},
journal= {arXiv preprint arXiv:2309.16401},
year = {2023}
}
备注
Presented at the 38th International Cosmic Ray Conference (ICRC2023)