天体物理学>天体物理学仪器和方法
标题: 利用深度学习方法分析TAIGA实验中切伦科夫望远镜图像的能量重建
摘要: TAIGA天体物理综合体的成像大气切伦科夫望远镜(IACT)可以观测高能伽马辐射,有助于研究许多天体物理物体和过程。 TAIGA-IACT使我们能够从总宇宙辐射通量中选择伽马量子,并恢复其主要参数,例如能量和到达方向。 处理结果图像的传统方法是图像参数化,即所谓的Hillas参数法。 目前,机器学习方法,特别是深度学习方法已被积极用于IACT图像处理。 本文介绍了用几种深度学习方法对单望远镜(单模)和多IACT望远镜(立体模式)的模拟蒙特卡罗图像进行分析。 对能量重建的质量进行了估计,并使用几种类型的神经网络对其能量谱进行了分析。 使用所开发的方法,将所得结果与基于Hillas参数的传统方法所得结果进行了比较。