大型高海拔宇宙线观测站LHAASO(Large High Altitude Air Shower Observatory)是一个复合探测器阵列，由KM2A、WCDA和WFCTA这三个子阵列组成。LHAASO实验的核心科学目标是通过伽马射线测量探索高能宇宙线起源并开展相关的高能辐射等研究，伽马射线和强子宇宙线鉴别是LHAASO开展相关科学研究的重要基础和前提，此前鉴别方法主要基于几个特征变量进行简单鉴别或利用经典的多变量分析方法进行鉴别，此方法的不足点是受限于研究人员认知，在提取特征量时会丢失很多信息，而深度学习系统可以基于大量信息直接进行模式识别，并成功应用到多个领域。近年来深度学习飞速发展，各种新的理论技术不断涌现并逐渐趋于完善，并且各种新的神经网络结构被提出，正在逐渐应用于各个领域中。深度学习优势是可以直接基于大量原始信息进行分析和提取更深层维度的特征进而达到精确区分的目的。本课题将基于人工智能框架TensorFlow，以LHAASO实验装置所有探测器记录信息为输入，使用深度学习方法基于LHAASO实验的模拟数据直接进行模式识别，有望提高LHAASO灵敏度。