Das Cherenkov Telescope Array Observatory (CTAO), ein observatorisches Gamma-Strahlen-Teleskop der nächsten Generation, wird aus zwei Arrays von mehreren bildgebenden atmosphärischen Cherenkov-Teleskopen (IACTs) bestehen, die sich sowohl in der Nord- als auch in der Südhalbkugel befinden. Ziel ist es, die Empfindlichkeit aktueller Instrumente um den Faktor fünf bis zehn über einen Energiebereich von 20 GeV bis über 300 TeV zu erhöhen. IACT-Arrays werden verwendet, um den sehr-hochenergetischen (VHE) Gamma-Strahlen-Himmel zu untersuchen, indem sie gleichzeitig Luftschauer beobachten, die durch die Wechselwirkung von VHE-Gamma-Strahlen und kosmischen Strahlen mit der Atmosphäre ausgelöst werden. Die von diesen Schauern erzeugten Cherenkov-Photonen schaffen einen stereoskopischen Datensatz des Ereignisses. Durch die Rekonstruktion des Ereignisses mithilfe von Techniken des maschinellen Lernens können die Eigenschaften des ursprünglichen VHE-Teilchens, einschließlich seines Typs, seiner Energie und seiner Eintreffrichtung, bestimmt werden. In diesem Beitrag präsentieren wir einen vollständig tiefenlerngetriebenen Ansatz zur Rekonstruktion simulierten, stereoskopischen IACT-Ereignissen unter Verwendung von CTLearn. CTLearn ist ein Paket, das für das Laden und Manipulieren von IACT-Daten sowie für das Ausführen von Deep-Learning-Modellen mit pixelgenauen Kameradaten als Eingabe entwickelt wurde.
Miener et al. (Wed,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: