論文の概要: Analysis of the TAIGA-HiSCORE Data Using the Latent Space of Autoencoders
- arxiv url: http://arxiv.org/abs/2511.09655v1
- Date: Fri, 14 Nov 2025 01:02:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-14 22:53:22.396147
- Title: Analysis of the TAIGA-HiSCORE Data Using the Latent Space of Autoencoders
- Title（参考訳）: 自動エンコーダの潜時空間を用いたTAIGA-HiSCOREデータの解析
- Authors: Yu. Yu. Dubenskaya, S. P. Polyakov, A. P. Kryukov, A. P. Demichev, E. O. Gres, E. B. Postnikov, A. Yu. Razumov, P. A. Volchugov, D. P. Zhurov,
- Abstract要約: 広範囲のエアシャワー分析(EAS)の目的は、シャワーを発生させた一次粒子の物理的パラメータを再構築することである。
現在、IACTとAIGA-HiSCOREのデータを分析するために、記録信号から各検出器タイプ固有の補助パラメータのセットを算出する。
本稿では,AIGA実験データの解析にオートエンコーダ(AE)を用い,従来の補助パラメータをAE潜在空間のパラメータに置き換えることを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The aim of extensive air shower (EAS) analysis is to reconstruct the physical parameters of the primary particle that initiated the shower. The TAIGA experiment is a hybrid detector system that combines several imaging atmospheric Cherenkov telescopes (IACTs) and an array of non-imaging Cherenkov detectors (TAIGA-HiSCORE) for EAS detection. Because the signals recorded by different detector types differ in physical nature, the direct merging of data is unfeasible, which complicates multimodal analysis. Currently, to analyze data from the IACTs and TAIGA-HiSCORE, a set of auxiliary parameters specific to each detector type is calculated from the recorded signals. These parameters are chosen empirically, so there is no certainty that they retain all important information and are the best suited for the respective problems. We propose to use autoencoders (AE) for the analysis of TAIGA experimental data and replace the conventionally used auxiliary parameters with the parameters of the AE latent space. The advantage of the AE latent space parameters is that they preserve essential physics from experimental data without prior assumptions. This approach also holds potential for enabling seamless integration of heterogeneous IACT and HiSCORE data through a joint latent space. To reconstruct the parameters of the primary particle of the EAS from the latent space of the AE, a separate artificial neural network is used. In this paper, the proposed approach is used to reconstruct the energy of the EAS primary particles based on Monte Carlo simulation data for TAIGA-HiSCORE. The dependence of the energy determination accuracy on the dimensionality of the latent space is analyzed, and these results are also compared with the results obtained by the conventional technique. It is shown that when using the AE latent space, the energy of the primary particle is reconstructed with satisfactory accuracy.
- Abstract（参考訳）: 広範囲のエアシャワー分析(EAS)の目的は、シャワーを発生させた一次粒子の物理的パラメータを再構築することである。
TAIGA実験は、複数の走査型チェレンコフ望遠鏡(IACT)と非撮像型チェレンコフ検出器(TAIGA-HiSCORE)を組み合わせたハイブリッド検出器システムである。
異なる検出器によって記録される信号は物理的性質が異なるため、データの直接マージは不可能であり、マルチモーダル解析を複雑にする。
現在、IACTとAIGA-HiSCOREのデータを分析するために、記録信号から各検出器タイプ固有の補助パラメータのセットを算出する。
これらのパラメータは経験的に選択されるので、それらがすべての重要な情報を保持し、それぞれの問題に最も適しているという確証はない。
本稿では,AIGA実験データの解析にオートエンコーダ(AE)を用い,従来の補助パラメータをAE潜在空間のパラメータに置き換えることを提案する。
AE潜在空間パラメータの利点は、事前の仮定なしに実験データから本質的な物理を保存することである。
このアプローチはまた、不均一IACTとHiSCOREデータのシームレスな統合を可能にする可能性を秘めている。
AEの潜伏空間からEASの一次粒子のパラメータを再構成するために、別個の人工ニューラルネットワークを用いる。
本稿では,TAIGA-HiSCOREのモンテカルロシミュレーションデータに基づいて,EAS一次粒子のエネルギーを再構成する手法を提案する。
遅延空間の次元性に対するエネルギー決定精度の依存性を解析し, 従来の手法による結果と比較した。
AE潜在空間を使用する場合、一次粒子のエネルギーは良好な精度で再構成されることが示されている。
関連論文リスト
- Physics-Guided Dual Implicit Neural Representations for Source Separation [70.38762322922211]
我々は,2つの暗黙的ニューラル表現フレームワークを用いて,ソース分離のための自己教師型機械学習手法を開発した。
本手法は,復元に基づく損失関数の最小化により,生データから直接学習する。
本手法は,様々な領域にまたがるソース分離問題に対処する汎用的なフレームワークを提供する。
論文 参考訳（メタデータ） (2025-07-07T17:56:31Z) - Learning robust parameter inference and density reconstruction in flyer plate impact experiments [0.0]
物理パラメータや物質特性を実験観測から推定することは、物理学や材料科学の多くの分野において共通の目的である。
ラジオグラフィーは、密度などのキー状態変数への直接アクセスを提供しない。
本研究では,低速・高衝撃速度実験・シミュレーションによる観測可能データセットを提案する。
得られたEoSおよび破砕モデルパラメータの推算値を用いて, 高精度で物理的に許容できる密度再構成が得られることを示す。
論文 参考訳（メタデータ） (2025-06-30T14:43:33Z) - Latent-space Field Tension for Astrophysical Component Detection An application to X-ray imaging [0.0]
本稿では, 潜時空間の張力をモデル不特定性の指標として活用する, スカイエミッションフィールドの多周波ベイズモデルを提案する。
大型マゼラン雲(LMC)におけるSN 1987A領域のEROSITA早期データ放出(EDR)から得られたX線観測データに本手法の有効性を実証する。
提案手法は,高精度で天体物理成分を再構成し,点源のサブピクセル局在化,拡張放出の堅牢な分離,詳細な不確実性定量化を実現している。
論文 参考訳（メタデータ） (2025-06-25T18:45:18Z) - Estimation of System Parameters Including Repeated Cross-Sectional Data through Emulator-Informed Deep Generative Model [5.3060535072023844]
政治、経済学、生物学において、利用可能なデータは、しばしば異なる主題から異なる時点に独立して収集される。
従来の最適化手法は、RCSデータが様々な不均一性を示すとき、DECパラメータを正確に推定するのに苦労する。
エミュレータインフォームド・ディープジェネレーション・モデル(EIDGM)と呼ばれる新しい推定法を提案する。
EIDGMは物理インフォームドニューラルネットワークベースのエミュレータを統合しており、DECソリューションとワッサーシュタイン生成逆ネットワークベースのパラメータジェネレータを即座に生成する。
論文 参考訳（メタデータ） (2024-12-27T08:19:23Z) - A method based on Generative Adversarial Networks for disentangling physical and chemical properties of stars in astronomical spectra [0.16385815610837165]
本研究では, 天体物理スペクトル解析の文脈において, 敵の訓練を行うエンコーダ・デコーダアーキテクチャを設計した。
深層学習のスキームは、データに含まれる残りの情報のパラメータを潜在空間で解き放つことを目的として使用される。
この方法の有効性を検証するため,APOGEE と Gaia の調査から合成天文学データを用いた。
論文 参考訳（メタデータ） (2024-11-08T20:45:09Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - 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) - Amortized Bayesian Inference of GISAXS Data with Normalizing Flows [0.10752246796855561]
本稿では,変分オートエンコーダと正規化フローを組み合わせたシミュレーションに基づくフレームワークを提案し,パラメータの後方分布を推定する。
提案手法は,ABCと一貫した結果を生み出しながら,推定コストを桁違いに削減することを示した。
論文 参考訳（メタデータ） (2022-10-04T12:09:57Z) - Analytical Modelling of Exoplanet Transit Specroscopy with Dimensional
Analysis and Symbolic Regression [68.8204255655161]
ディープラーニング革命は、そのような分析結果を直接、データに適合するコンピュータアルゴリズムで導き出すための扉を開いた。
我々は、一般的なホットジュピター系外惑星の遷移半径の合成データにおける記号回帰の利用をうまく実証した。
前処理のステップとして,変数の無次元な組み合わせを特定するために次元解析を用いる。
論文 参考訳（メタデータ） (2021-12-22T00:52:56Z) - Analysis of the HiSCORE Simulated Events in TAIGA Experiment Using
Convolutional Neural Networks [77.34726150561087]
本稿では,エアシャワー特性決定における畳み込みニューラルネットワークの利用について検討する。
我々は、CNNを使ってHiSCOREイベントを分析し、それらをイメージとして扱います。
また,エアシャワーのパラメータの決定に関する予備的な結果も提示した。
論文 参考訳（メタデータ） (2021-12-19T15:18:56Z)
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。