高斯混合模型聚类算法用于高精度质量测量分析
摘要：相位成像离子回旋共振（PI-ICR）技术在Penning陷阱质谱（PTMS）中的应用增加了PTMS实验的速度和精确性。在PI-ICR中，通过在探测器上创建单个离子击中位置的数据集，显示出离子根据其回旋频率聚集成斑点。理想的数据集应该包含一个单独的二维球形斑点，没有其他噪声，但实际上，数据集通常包含多个斑点、非球形斑点或显著的噪声，这些都会使得确定斑点中心的位置变得复杂。因此，一种将离子群分配到其相应的斑点并确定斑点中心的方法对进一步提高PI-ICR实验的精确性和置信度非常重要。我们提出了高斯混合模型（GMM）聚类算法作为最佳解决方案。我们展示了在模拟的PI-ICR数据上，几种类型的GMM聚类算法在各种典型情况下的表现优于其他聚类算法。使用GMM对加拿大Penning陷阱质谱仪中的PI-ICR测得的$^{163}$Gd、$^{163m}$Gd、$^{162}$Tb和$^{162m}$Tb的质谱进行验证，得到的结果与以前发表的值非常接近。
作者：Colin M. Weber, Dwaipayan Ray, Adrian A. Valverde, Jason A. Clark, Kumar S. Sharma
论文ID：2108.08377
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-01-19