图网络在成像空气切伦科夫望远镜中的背景抑制应用
摘要：使用成像空气闪烁望远镜（IACT）是地面观测 GeV 到 TeV 能区伽马射线的关键。地面伽马射线天文学的一个特别挑战是有效地拒绝强子背景。我们提出了一种基于深度学习的新算法，用于对使用单个或多个成像空气闪烁望远镜测量的图像进行分类。我们将检测到的图像解释为可以用图表示并通过图卷积网络进行分析的触发传感器的集合。对于清除了夜空中光线的图像，这使得可以设计高效的算法，规避了基于计算机视觉技术（如卷积神经网络）的深度学习方法中稀疏图像的挑战。我们研究了不同的图网络架构，并发现与先前的机器学习和基于深度学习的方法相比有了显著的性能改善。
作者：Jonas Glombitza, Vikas Joshi, Benedetta Bruno, Stefan Funk
论文ID：2305.08674
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-05-16