深度学习在LHAASO数据分析中的应用 | |
陈秀林; 靳超; 陈松战 | |
会议日期 | 2019年7月15日至19日 |
会议地点 | 贵州省 遵义市 |
关键词 | 宇宙线 lhaaso km2a 深度学习 |
期号 | 0 |
其他题名 | Deep Learning Application in LHAASO Data Analysis |
英文摘要 | 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。 |
会议录 | 第十九届全国科学计算与信息化会议 |
语种 | 中文 |
内容类型 | 会议论文 |
源URL | [http://ir.ihep.ac.cn/handle/311005/287134] |
专题 | 高能物理研究所_计算中心 |
作者单位 | 中科院高能物理研究所 |
推荐引用方式 GB/T 7714 | 陈秀林,靳超,陈松战. 深度学习在LHAASO数据分析中的应用[C]. 见:. 贵州省 遵义市. 2019年7月15日至19日. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论