論文の概要: Neutrino Fingerprints: Image-Based Encodings of IceCube Events for CNN Direction Reconstruction

• arxiv url: http://arxiv.org/abs/2606.02788v1
• Date: Mon, 01 Jun 2026 18:54:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.549935
• Title: Neutrino Fingerprints: Image-Based Encodings of IceCube Events for CNN Direction Reconstruction
• Title（参考訳）: ニュートリノ・フィンガープリント:CNN方向再構成のためのアイスキューブイベントの画像符号化
• Authors: Floriano Tori, Brecht Verbeken, Vincent Ginis,
• Abstract要約: IceCube--NeutrinosはDeep Ice Kaggleのコンペティションで、再現技術をベンチマークするために1億4000万のシミュレーションイベントを提供した。 ニュートリノの指紋は72倍の72倍の画像を圧縮し、それぞれのピクセルは1つの検出器を表す。 この表現は、スパースで不規則なパルスデータを畳み込み処理に適した濃密な画像に変換する。
• 参考スコア（独自算出の注目度）: 5.3541640305805425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing the direction of incoming neutrinos in the IceCube Neutrino Observatory is an important problem in astrophysics. The public IceCube--Neutrinos in Deep Ice Kaggle competition provided 140 million simulated events to benchmark reconstruction techniques. To address this challenge from a novel perspective we introduce neutrino fingerprints compact $72 \times 72 \times 3$ images in which each pixel represents a single detector, with pulse timing and charge statistics encoded as color channels. This representation transforms sparse, irregular pulse data into dense images suitable for convolutional processing. Our ResNet18 model achieves a mean angular error of $1.10$ rad, indicating that convolutional networks trained on fingerprints rival more complex architectures while offering an effective, interpretable baseline for IceCube event reconstruction.
• Abstract（参考訳）: アイスキューブニュートリノ天文台で入ってくるニュートリノの方向を再構築することは天体物理学の重要な問題である。 ディープ・アイス・カグルの公的なアイスキューブ-ナウトリノス・コンペティションは、再現技術をベンチマークするために1億4000万のシミュレートされたイベントを提供した。 ニュートリノ指紋をコンパクトな712 \times 72 \times 3$イメージで、各ピクセルが1つの検出器を表現し、パルスタイミングと電荷統計をカラーチャネルとして符号化する。 この表現は、スパースで不規則なパルスデータを畳み込み処理に適した濃密な画像に変換する。 我々のResNet18モデルは、指紋で訓練された畳み込みネットワークが、より複雑なアーキテクチャと競合し、IceCubeイベント再構築のための効果的な解釈可能なベースラインを提供することを示す、平均角誤差の1.10ドルを達成している。

関連論文リスト

• Haar Nuclear Norms with Applications to Remote Sensing Imagery Restoration [53.68392692185276]
  本稿では,Har Nuclear norm (HNN) という,高効率かつ効率的なリモートセンシング画像復元のための新しい低ランク正規化用語を提案する。 2次元前方スライス-ワイド・ハール離散ウェーブレット変換から導出されるウェーブレット係数の低ランク特性を利用する。 ハイパースペクトル像の着色, マルチテンポラル画像雲の除去, ハイパースペクトル像の脱色実験により, HNNの可能性が明らかとなった。
  論文  参考訳（メタデータ） (2024-07-11T13:46:47Z)
• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• 2D Convolutional Neural Network for Event Reconstruction in IceCube DeepCore [0.0]
  IceCube DeepCoreは、GeVスケールの大気ニュートリノ相互作用を測定するために設計されたアイスキューブニュートリノ天文台の拡張である。 他のフレーバーからミューオンニュートリノを除去し、非弾性を再構築することは、特にGeVスケールエネルギーにおいて難しい課題である。 我々はIceCube DeepCoreデータにおける時間と深さの対称性を利用する新しいCNNモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-31T02:37:36Z)
• Recent neutrino oscillation result with the IceCube experiment [14.645468999921961]
  アイスキューブ・サウスポールニュートリノ天文台(IceCube South Pole Neutrino Observatory)は、南極点の1立方キロメートルの氷で観測されるチェレンコフ検出器である。 アイスキューブの主な科学的目標は、天体物理学的な源からTeVニュートリノの放射を検出することである。 物理感度の進歩は、最近、DeepCore検出器におけるニュートリノ相互作用を再構築するために畳み込みニューラルネットワークを用いて達成されている。
  論文  参考訳（メタデータ） (2023-07-29T01:12:26Z)
• Streamlined Lensed Quasar Identification in Multiband Images via Ensemble Networks [34.82692226532414]
  強いレンズを経験するクエーサーは、宇宙膨張速度、暗黒物質、およびクエーサーホスト銀河に関連する主題に独自の視点を与える。 我々は,現実的な銀河・クエーサーレンズシミュレーションに基づいて訓練された最先端畳み込みネットワーク(CNN)を組み込むことにより,新しいアプローチを開発した。 我々は親標本として約6000万個の情報源を検索し、光度測定によるクエーサーを$theta_mathrmE5$arcsecのEinstein radiiで発見した後、これを892,609個に減らした。
  論文  参考訳（メタデータ） (2023-07-03T15:09:10Z)
• Trigger-Level Event Reconstruction for Neutrino Telescopes Using Sparse Submanifold Convolutional Neural Networks [0.0]
  畳み込みニューラルネットワーク(CNN)はニュートリノ望遠鏡を含む科学データ分析に広く応用されている。 これらの問題の解決策としてスパースサブマニフォールド畳み込み(SSCNN)を提案する。 SSCNNイベント再構成性能は従来の機械学習アルゴリズムに匹敵するか否かを示す。
  論文  参考訳（メタデータ） (2023-03-15T17:59:01Z)
• 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)
• Graph Neural Networks for Low-Energy Event Classification & Reconstruction in IceCube [0.02512334342040507]
  アイスキューブイベントの分類と再構築手法としてグラフニューラルネットワーク(GNN)を導入する。 GNNはニュートリノ現象と宇宙線の背景を区別し、異なるニュートリノ事象のタイプを分類し、堆積したエネルギーを再構成することができる。 GNNはアイスキューブのトリガーレート2.7kHzの2.7kHzの約2倍の速度でアイスキューブのイベントを処理することができる。
  論文  参考訳（メタデータ） (2022-09-07T10:16:53Z)
• Self-Denoising Neural Networks for Few Shot Learning [66.38505903102373]
  既存のニューラルアーキテクチャの複数の段階でノイズを追加すると同時に、この付加ノイズに対して堅牢であるように学習する新しいトレーニングスキームを提案する。 このアーキテクチャは、SDNN(Self-Denoising Neural Network)と呼ばれ、現代の畳み込みニューラルネットワークに容易に適用できます。
  論文  参考訳（メタデータ） (2021-10-26T03:28:36Z)
• Reducing the Sim-to-Real Gap for Event Cameras [64.89183456212069]
  イベントカメラは、非同期でピクセルごとの明るさ変化を報告し、非並列の低レイテンシで「イベント」と呼ばれるパラダイムシフトする新しいセンサーである。 近年の研究では、コンボリューショナルニューラルネットワーク(CNN)を用いて、映像再構成とイベントによる光学的流れを実証している。 既存のビデオ再構成ネットワークの性能を20～40%向上させるイベントベースCNNのトレーニングデータ改善戦略を提案する。
  論文  参考訳（メタデータ） (2020-03-20T02:44:29Z)

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。