X射线偏振仪数据的神经网络分析
摘要：用基于深度神经网络的方法提高X射线望远镜观测与成像偏振计的敏感性的本章进行了讨论。深度神经网络可以用于确定光电子发射方向、光子吸收点和光子能量，这些信息来自于2D光电子轨迹图像，包括统计和模型不确定性的估计。深度神经网络的预测不确定性可以结合加权最大似然方法来估计源偏振参数。在标准气体体积外部发生的事态会导致偏振估计复杂化，因为这些事态的轨迹对偏振的敏感性较低。基于深度神经网络的分类器可以用来排除这些事态，提高能量分辨率和偏振敏感性。将深度神经网络方法与标准数据分析方法进行比较，发现在IXPE特定模拟中，最小可检测偏振度提高了不到0.75倍。讨论了这些方法的潜在未来发展和改进。
作者：Abel L. Peirson
论文ID：2206.10537
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-04-05