論文の概要: Reconstruction of muon bundles in KM3NeT detectors using machine learning methods

• arxiv url: http://arxiv.org/abs/2503.01433v1
• Date: Mon, 03 Mar 2025 11:37:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:17.015786
• Title: Reconstruction of muon bundles in KM3NeT detectors using machine learning methods
• Title（参考訳）: 機械学習を用いたKM3NeT検出器におけるミューオン束の再構成
• Authors: Piotr Kalaczyński,
• Abstract要約: KM3NeTコラボレーションは、地中海の海底にARCAとORCAニュートリノ検出器を設置している。 ARCAの焦点はニュートリノ天文学であり、ORCAはニュートリノ振動の研究に最適化されている。 どちらの検出器も既に中間状態にあり、貴重なデータを収集している。 この研究は、ミューオンバンドルの再構築のための機械学習モデルの可能性を探るものである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The KM3NeT Collaboration is installing the ARCA and ORCA neutrino detectors at the bottom of the Mediterranean Sea. The focus of ARCA is neutrino astronomy, while ORCA is optimised for neutrino oscillation studies. Both detectors are already operational in their intermediate states and collect valuable data, including the measurements of the muons produced by cosmic ray interactions in the atmosphere. This work explores the potential of machine learning models for the reconstruction of muon bundles, which are multi-muon events. For this, data collected with intermediate detector configurations of ARCA and ORCA was used in addition to simulated data from the envisaged final configurations of those detectors. Prediction of the total number of muons in a bundle as well as their total energy and even the energy of the primary cosmic ray is presented.
• Abstract（参考訳）: KM3NeTコラボレーションは、地中海の海底にARCAとORCAニュートリノ検出器を設置している。 ARCAの焦点はニュートリノ天文学であり、ORCAはニュートリノ振動の研究に最適化されている。 どちらの検出器も既に中間状態にあり、大気中の宇宙線相互作用によって生成されたミューオンの測定を含む貴重なデータを収集している。 本研究は,マルチムーンイベントであるミューオンバンドルの再構築のための機械学習モデルの可能性を探る。 このために、ARCAとORCAの中間検出器構成で収集したデータに加えて、これらの検出器の最終構成のシミュレーションデータも使用した。 束内のミューオンの総数と総エネルギーと一次宇宙線のエネルギーも予測する。

関連論文リスト

• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction [55.30913411696375]
  本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。 エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。 降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
  論文  参考訳（メタデータ） (2023-09-01T07:55:53Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Searching for long faint astronomical high energy transients: a data driven approach [1.5851170136095292]
  宇宙起源の高エネルギー検出器のバックグラウンドカウント率を評価するための新しいフレームワークを提案する。 我々は、異なる時間スケールで背景光曲線を推定するためにニューラルネットワーク(NN)を用いる。 我々は,NASAのFermi Gamma-ray Burst Monitor(GBM)のアーカイブデータに基づいて,新しいソフトウェアをテストする。
  論文  参考訳（メタデータ） (2023-03-28T12:47:00Z)
• Interpretable Joint Event-Particle Reconstruction for Neutrino Physics at NOvA with Sparse CNNs and Transformers [124.29621071934693]
  本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。 TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。 このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
  論文  参考訳（メタデータ） (2023-03-10T20:36:23Z)
• Optically detected magnetic resonance with an open source platform [0.0]
  固体環境における局在電子スピンは、量子センシング、気象学、量子情報処理のための汎用的なプラットフォームを形成する。 光学的に検出された磁気共鳴(ODMR)により、高コヒーレントスピンシステムの準備と読み出しが可能となる。 本稿は, ODMRにおける新参者の学習曲線を, 様々な科学的背景から高めることを目的としている。
  論文  参考訳（メタデータ） (2022-04-29T18:09:18Z)
• Predicting Solar Energetic Particles Using SDO/HMI Vector Magnetic Data Products and a Bidirectional LSTM Network [6.759687230043489]
  太陽エネルギー粒子(SEP)は宇宙放射線の重要な源であり、宇宙、宇宙船、技術全般において人類にとって危険である。 本研究では,活動領域(AR)がSEPイベントを発生させるかどうかを,(i)ARがM型またはX型フレアを発生し,(ii)ARがM型またはX型フレアを発生させるか,(ii)ARがCMEに関連付けられているかどうかに関わらずM型またはX型フレアを発生させるかを予測する深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-27T21:06:08Z)
• Latent Space Exploration Using Generative Kernel PCA [14.236193187116049]
  Kernel PCAは強力な特徴抽出器であり、Restricted Kernel Machines (RKMs) の文脈で最近再編成されている。 RKMは、Restricted Boltzmann Machinesと同様の隠蔽と可視の単位でカーネルPCAの表現を可能にする。 この接続は、ジェネレーティブカーネルPCAと呼ばれる生成手順でカーネルPCAを使用する方法の洞察につながった。 新しい点は、成分の解釈を可能にする潜在空間を徐々に移動させることで生成することができる。
  論文  参考訳（メタデータ） (2021-05-28T16:17:37Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• Neutron Guide Building Instruments of the Brazilian Multipurpose Reactor (RMB) Project [58.720142291102135]
  本稿では,サビヤとアラポンガの2つの原楽器の標準設計要件について述べる。 これらはそれぞれ、低温および熱中性子測定器であり、小型アングル中性子散乱(SANS)と高分解性粉末中性子回折計(HRPND)に対応している。 ここでは、中性子ビームを同じガイド上の2つの異なる機器に輸送するための単純なガイドと分割ガイドの使用に関する最初の研究を提案する。
  論文  参考訳（メタデータ） (2020-03-11T11:57:55Z)
• Predicting Coronal Mass Ejections Using SDO/HMI Vector Magnetic Data Products and Recurrent Neural Networks [8.269784943760882]
  我々は,M型またはX型フレアを発生させる活動領域(AR)が,コロナ質量放出(CME)を引き起こすかどうかを予測するために,2つのリカレントニューラルネットワーク(RNN)を提案する。 我々はARにおけるデータサンプルを時系列としてモデル化し、RNNを用いてデータサンプルの時間的情報をキャプチャする。 我々の知る限り、CME予測にRNNが使われたのはこれが初めてです。
  論文  参考訳（メタデータ） (2020-02-22T11:26:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。