کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8132744 1523329 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A deep learning-based reconstruction of cosmic ray-induced air showers
ترجمه فارسی عنوان
بازسازی عمیق مبتنی بر یادگیری هوای ناشی از اشعه کیهانی
ترجمه چکیده
ما یک روش بازسازی هوای بخار ایجاد شده توسط اشعه های کیهانی را با استفاده از تکنیک های یادگیری عمیق توصیف می کنیم. ما شبیه سازی یک رصدخانه از متشکل از آشکارسازهای ذرات زمینی با مکان های ثابت در یک شبکه منظم. پاسخ های آشکارساز به حرکت ذرات دوش دامنه های سیگنال به عنوان تابعی از زمان است که اطلاعات مربوط به خواص دوشاخه های عرضی و طولی را ارائه می دهند. به منظور استفاده از تکنیک های شبکه کانولوشن متخصص در شناخت الگوی محلی، ما تمام اطلاعات را به شبکه ای مشابه تصویر آشکارساز تبدیل می کنیم. به این ترتیب، ویژگی های چندگانه، مانند زمان رسیدن ذرات اول و بهینه سازی مشخصه های ردیابی زمان، توسط شبکه پردازش می شود. کیفیت بازسازی مسیر دستیابی به پرتوهای کیهانی با یک الگوریتم بازنگری تحلیلی رقابت می کند. جهت هدایت دوش بازسازی، انرژی و عمق نفوذ، بهبود تصویب مورد انتظار برای افزایش انرژی اشعه کیهانی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه فیزیک و نجوم نجوم و فیزیک نجومی
چکیده انگلیسی
We describe a method of reconstructing air showers induced by cosmic rays using deep learning techniques. We simulate an observatory consisting of ground-based particle detectors with fixed locations on a regular grid. The detector's responses to traversing shower particles are signal amplitudes as a function of time, which provide information on transverse and longitudinal shower properties. In order to take advantage of convolutional network techniques specialized in local pattern recognition, we convert all information to the image-like grid of the detectors. In this way, multiple features, such as arrival times of the first particles and optimized characterizations of time traces, are processed by the network. The reconstruction quality of the cosmic ray arrival direction turns out to be competitive with an analytic reconstruction algorithm. The reconstructed shower direction, energy and shower depth show the expected improvement in resolution for higher cosmic ray energy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Astroparticle Physics - Volume 97, January 2018, Pages 46-53
نویسندگان
, , ,