神经网络显示了识别由Cherenkov望远镜阵列检测到的神经识别伽玛射线的潜力

2022-01-19 16:24:00傅致星导读利用目前正在建造的切伦科夫望远镜阵列(CTA)，研究人员希望观察到高能伽玛射线，网络望远这可能导致在银河系内外发现新物体，显示线甚至揭开暗物质的镜阵奥秘

利用目前正在建造的切伦科夫望远镜阵列(CTA)，研究人员希望观察到高能伽玛射线，列检这可能导致在银河系内外发现新物体，玛射甚至揭开暗物质的潜力奥秘。但是神经识别，识别这些伽马射线并不容易。网络望远来自CTA联盟的显示线研究人员现在正在尝试使用在Piz Daint超级计算机上训练的神经网络来完善它。

到2025年完工后，镜阵切伦科夫望远镜阵列(CTA)将成为有史以来最大的列检伽马射线观察望远镜阵列。在北半球和南半球，玛射加那利岛拉帕尔玛岛的潜力洛克·德·洛·穆沙乔斯天文台和智利的阿塔卡马沙漠中，已安装了100架直径在4至23米之间的神经识别望远镜。望远镜旨在全面记录由伽马射线穿过宇宙而到达地球大气层的伽玛射线引起的闪光。伽玛射线源于剧烈的宇宙事件，其能量是可见光的一万亿倍。它们是由所谓的“ 宇宙粒子加速器 ”产生的如超新星爆炸或超大质量黑洞吞噬周围的恒星，气体和尘埃。

从粒子阵雨中提取伽玛射线带来挑战

当伽玛射线撞击地球的大气层时，它们与空气中的原子和分子发生相互作用，从而形成粒子喷淋，该粒子喷淋主要产生蓝色闪光，称为切伦科夫光。该光由专门设计的望远镜的反射镜系统收集，并聚焦到极快的相机上。利用这些数据，研究人员可以得出关于伽玛射线源的结论，这些伽玛射线可以在我们自己的银河系，银河系中，甚至在恒星形成的星系和超大质量黑洞中发现数百个新物体。通过CTA检测到的伽玛射线还可以提供暗物质的直接特征，暗物质的存在得到间接观察的支持，但从未直接观察到。

CTA收集的这些宇宙事件的照片显示细长的椭圆形，根据日内瓦大学天文学系的Etienne Lyard及其同事的最新研究发表在《物理学：会议系列》上。引起这些事件的粒子有两种：强子，数量最多;强子，数量最多。以及感兴趣的粒子，即称为伽马射线的高能光子。拉耶德说：“研究人员对伽马射线最感兴趣，因为它们沿直线穿过星际空间，而强子是带电粒子，会由于磁场而弯曲。”

有很好的区分伽玛射线和强子的程序。但是为了尽可能确保仅检测和评估伽玛射线，会滤除大量模糊事件，从而降低了仪器的整体灵敏度。尽管如此，有时强子事件仍然被错误地识别为伽马射线，然后将实验污染为背景噪声。

神经网络提高了望远镜阵列的灵敏度

为了改善强子和伽马射线之间的区分程序，从而改善天文台的敏感性，Lyard及其团队现在尝试使用在CSCS超级计算机Piz Daint上训练的深度卷积神经网络(CNN)来将它们彼此区分开。他们与传统的伽马射线探测方法相比，评估了CNN的性能根据作者的说法，通过使用蒙特卡洛模拟生成的事件(增强决策树)，该事件最接近真实事件。“我们的工作是尝试使用计算机视觉(一种机器视觉)中的神经网络，它以各种方式处理和分析相机捕获的图像，并使它们适应于我们的数据。” 事实证明，在特定条件下，CNN的性能确实优于传统技术。

尽管CNN架构仍有很大的改进空间，但研究人员坚信，这些和其他机器学习方法可以帮助从CTA天文台获得最佳的科学成果。Lyard说：“我们有信心这些方法最终将成为规范，因为它已经超越了最先进的技术，而分析中根本没有涉及工作中物理过程的信息。” “随着我们对CNN的理解的增长，将使用更合适的标准(例如细长椭圆的时间发展)来进行分析，并且整体性能也肯定会提高。”