CTLearn: deep learning for gamma-ray astronomy
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378271%3A_____%2F21%3A00552169" target="_blank" >RIV/68378271:_____/21:00552169 - isvavai.cz</a>
Výsledek na webu
<a href="https://pos.sissa.it/358/752/pdf" target="_blank" >https://pos.sissa.it/358/752/pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.22323/1.358.0752" target="_blank" >10.22323/1.358.0752</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
CTLearn: deep learning for gamma-ray astronomy
Popis výsledku v původním jazyce
CTLearn is a new Python package under development that uses the deep learning technique to analyze data from imaging atmospheric Cherenkov telescope (IACT) arrays. IACTs use the Cherenkov light emitted from air showers, initiated by very-high-energy gamma rays, to form an image of the longitudinal development of the air shower on the camera plane. The spatial, temporal, and calorimetric information of the originating high-energy particle is then recorded electronically.
Název v anglickém jazyce
CTLearn: deep learning for gamma-ray astronomy
Popis výsledku anglicky
CTLearn is a new Python package under development that uses the deep learning technique to analyze data from imaging atmospheric Cherenkov telescope (IACT) arrays. IACTs use the Cherenkov light emitted from air showers, initiated by very-high-energy gamma rays, to form an image of the longitudinal development of the air shower on the camera plane. The spatial, temporal, and calorimetric information of the originating high-energy particle is then recorded electronically.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10303 - Particles and field physics
Návaznosti výsledku
Projekt
—
Návaznosti
—
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of Science
ISBN
—
ISSN
1824-8039
e-ISSN
—
Počet stran výsledku
8
Strana od-do
1-8
Název nakladatele
Sissa Medilab srl
Místo vydání
Trieste
Místo konání akce
Madison, WI
Datum konání akce
24. 7. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—