Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Event-by-event reconstruction of the shower maximum Xmax with the Surface Detector of the Pierre Auger Observatory using deep learning

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378271%3A_____%2F22%3A00564879" target="_blank" >RIV/68378271:_____/22:00564879 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989592:15310/22:73616949

  • Výsledek na webu

    <a href="https://pos.sissa.it/395/359/pdf" target="_blank" >https://pos.sissa.it/395/359/pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.22323/1.395.0359" target="_blank" >10.22323/1.395.0359</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Event-by-event reconstruction of the shower maximum Xmax with the Surface Detector of the Pierre Auger Observatory using deep learning

  • Popis výsledku v původním jazyce

    The measurement of the mass composition of ultra-high energy cosmic rays constitutes a prime challenge in astroparticle physics. Most detailed information on the composition can be obtained from measurements of the depth of maximum of air showers, Xmax, with the use of fluorescence telescopes, which can be operated only during clear and moonless nights. Using deep neural networks, it is now possible for the first time to perform an event-by-event reconstruction of Xmax with the Surface Detector (SD) of the Pierre Auger Observatory. Therefore, previously recorded data can be analyzed for information on Xmax, and thus, the cosmic-ray composition. Since the SD operates with a duty cycle of almost 100% and its event selection is less strict than for the Fluorescence Detector (FD), the gain in statistics with respect to the FD is almost a factor of 15 for energies above 1019.5 eV.

  • Název v anglickém jazyce

    Event-by-event reconstruction of the shower maximum Xmax with the Surface Detector of the Pierre Auger Observatory using deep learning

  • Popis výsledku anglicky

    The measurement of the mass composition of ultra-high energy cosmic rays constitutes a prime challenge in astroparticle physics. Most detailed information on the composition can be obtained from measurements of the depth of maximum of air showers, Xmax, with the use of fluorescence telescopes, which can be operated only during clear and moonless nights. Using deep neural networks, it is now possible for the first time to perform an event-by-event reconstruction of Xmax with the Surface Detector (SD) of the Pierre Auger Observatory. Therefore, previously recorded data can be analyzed for information on Xmax, and thus, the cosmic-ray composition. Since the SD operates with a duty cycle of almost 100% and its event selection is less strict than for the Fluorescence Detector (FD), the gain in statistics with respect to the FD is almost a factor of 15 for energies above 1019.5 eV.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10303 - Particles and field physics

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2022

  • 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

    12

  • Strana od-do

    359

  • Název nakladatele

    Sissa Medilab srl

  • Místo vydání

    Trieste

  • Místo konání akce

    Berlin

  • Datum konání akce

    12. 7. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku