Publication

A deep learning method for the gamma-ray identification with the DAMPE space mission

2023

Résumé

This report describes a new Convolutional Neural Network (CNN) model developed for the identification of gamma rays with the calorimeter of the DArk Matter Particle Explorer (DAMPE) mission. Its architecture is optimized in order to enhance the gamma ray/proton separation in the Monte-Carlo (MC) simulation data. Then, the classification performance is analyzed and compared with previously used methods. It is shown that this method significantly outperforms all the existing algorithms, both in gamma-ray efficiency and proton rejection. Finally, the model is successfully tested with the flight data in order to validate its use for further data analyses.

Source officielle

https://infoscience.epfl.ch/entities/publication/a40f15f3-beef-459d-b732-c7a7505207cf

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2023

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/a40f15f3-beef-459d-b732-c7a7505207cf

À propos de ce résultat

Concepts associés (32)

Sursaut gamma

vignette|Sursaut gamma (vue d'artiste). Un sursaut gamma ou sursaut de rayons gamma (SRG ; en anglais gamma-ray bursts, abrégé en GRB ; quelquefois traduit par « explosion de rayons gamma ») est en astronomie une bouffée de photons gamma qui apparaît de manière aléatoire dans le ciel. Il est caractérisé par sa brièveté (de quelques secondes à quelques minutes) et par la forme particulière de la courbe de lumière. Il est prolongé par des émissions rémanentes, à des longueurs d'onde plus grandes, qui peuvent durer jusqu'à plusieurs mois en s'affaiblissant progressivement.

Astronomie en rayons X

vignette|redresse=2|Les rayons X couvrent le domaine allant d'environ , auquel l'atmosphère est opaque. L’astronomie en (souvent abrégée en ) est la branche de l'astronomie qui consiste à étudier l'émission des objets célestes en . Puisque le est absorbé par l'atmosphère de la Terre, les instruments doivent être envoyés à haute altitude à l'aide de ballons et désormais de fusées. L' fait donc aujourd'hui partie de la recherche spatiale, les détecteurs étant placés à bord de satellites.

Astronomie gamma

vignette|redresse|Aperçu de l'astronomie des rayons gamma.De haut en bas, de gauche à droite : l'observatoire terrestre de rayons gamma MAGIC et le télescope spatial CGRO ; carte du ciel à des énergies supérieures à ; l'observatoire de rayons gamma HAWC.|454x454px L'astronomie gamma est le domaine de l'observation astronomique centrée sur le spectre électromagnétique des rayons gamma. Ces derniers englobent les photons émis à des énergies supérieures à , et constituent la plus grande forme d'énergie lumineuse dont l'observation soit dans notre univers.

Afficher plus

Publications associées (21)

Afficher plus

A deep learning method for the gamma-ray identification with the DAMPE space mission

Chattez avec Graph Search

Load history effects in fiber–polymer composites: A CRNN-based hybrid deep learning approach for fatigue life prediction and structural health monitoring via infrared thermography

Towards automated identification of mass movements in spaceborne interferograms: Comparing expert mapping and deep learning approaches

Measuring the Dark Matter Self-interaction Cross-section with Deep Compact Clustering for Robust Machine Learning Inference