Investigations of a novel energy estimator using deep learning for the surface detector of the Pierre Auger observatory

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68378271%3A_____%2F24%3A00635949" target="_blank" >RIV/68378271:_____/24:00635949 - isvavai.cz</a>

Výsledek na webu

<a href="https://pos.sissa.it/444/275/pdf" target="_blank" >https://pos.sissa.it/444/275/pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.22323/1.444.0275" target="_blank" >10.22323/1.444.0275</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Investigations of a novel energy estimator using deep learning for the surface detector of the Pierre Auger observatory

Popis výsledku v původním jazyce

Exploring physics at energies beyond the reach of human-built accelerators by studying cosmic rays requires an accurate reconstruction of their energy. At the highest energies, cosmic rays are indirectly measured by observing a shower of secondary particles produced by their interaction in the atmosphere. At the Pierre Auger Observatory, the energy of the primary particle is either reconstructed from measurements of the emitted fluorescence light, produced when secondary particles travel through the atmosphere, or shower particles detected with the surface detector at the ground. The surface detector comprises a triangular grid of water-Cherenkov detectors that measure the shower footprint at the ground level. With deep learning, large simulation data sets can be used to train neural networks for reconstruction purposes.

Název v anglickém jazyce

Investigations of a novel energy estimator using deep learning for the surface detector of the Pierre Auger observatory

Popis výsledku anglicky

Exploring physics at energies beyond the reach of human-built accelerators by studying cosmic rays requires an accurate reconstruction of their energy. At the highest energies, cosmic rays are indirectly measured by observing a shower of secondary particles produced by their interaction in the atmosphere. At the Pierre Auger Observatory, the energy of the primary particle is either reconstructed from measurements of the emitted fluorescence light, produced when secondary particles travel through the atmosphere, or shower particles detected with the surface detector at the ground. The surface detector comprises a triangular grid of water-Cherenkov detectors that measure the shower footprint at the ground level. With deep learning, large simulation data sets can be used to train neural networks for reconstruction purposes.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10303 - Particles and field physics

Projekt

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

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of Science

ISBN

—

ISSN

1824-8039

e-ISSN

—

Počet stran výsledku

13

Strana od-do

275

Název nakladatele

Sissa Medilab srl

Místo vydání

Trieste

Místo konání akce

Nagoya

Datum konání akce

26. 7. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—