Accès ouvert déclaré 2021 conference-paper

Gamma/Hadron Separation for a Ground Based IACT in Experiment TAIGA Using Machine Learning Methods

Maria Vasyutina, L. Sveshnikova, И. И. Астапов, P. A. Bezyazeekov, M. Blank, Е. А. Бонвеч, А. Н. Бородин, Martin Brueckner, N. M. Budnev, А. В. Булан, D. V. Chernov, A. Chiavassa, Aleksei Nikolaevich Dyachok, А. Р. Гафаров, A. Yu. Garmash, Victor Grebenyuk, Oleg A Gress, Т. И. Гресс, A. A. Grinyuk, O. G. Grishin, Dieter Horns, Ivanova La, Nikolai N Kalmykov, В. В. Киндин, S. N. Kiryuhin, Р. П. Кокоулин, К. Г. Компаниец, Elena E Korosteleva, V. A. Kozhin, Е. А. Кравченко, Alexander P. Kryukov, L. A. Kuzmichev, Anatolii A. Lagutin, M. V. Lavrova, Yu. E. Lemeshev, Bayarto K. Lubsandorzhiev, Nima Lubsandorzhiev, Arslan Lukanov, D. Lukyantsev, Р. Р. Миргазов, R. Mirzoyan, Р. Д. Монхоев, Э. А. Осипова, А. Л. Пахоруков, L. A. Panasenko, А. Пан, Leonid Pankov, Alexander D Panov, Anatoly A. Petrukhin, Д. А. Подгрудков, V. A. Poleschuk, М. Попеску, Е. Г. Попова, Andrea Porelli, Evgeny Postnikov, V. V. Prosin, Vladimir S Ptuskin, А. А. Пушнин, R. I. Raikin j, A. V. Razumov, Evgenii V Rjabov, Grigory I Rubtsov, Ya. I. Sagan, В. С. Самолига, А. А. Силаев, А. В. Скурихин, M. Slunečka, Andrey Sokolov, Y. Suvorkin, В. А. Таболенко, A. B. Tanaev, B. A. Tarashansky, M. Ternovoy, L. G. Tkachev, M. Tluczykont, Nikita Ushakov, A. Vaidyanathan, П. А. Волчугов, N. V. Volkov, Dmitriy Voronin, Ralf Wischnewski, I. I. Yashin, Aleksey Zagorodnikov, D. P. Zhurov

3Citations signalées, ce qui n’est pas une note de qualité

19Institutions déclarées

4Pays d’affiliation déclarés

Rattachement africain : ru, it, de, ro. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

In this paper we present the first attempt of adaptation the Random Forest (RF) machine learning algorithm to gamma/hadron separation in the TAIGA experiment (Tunka Advanced Instrument for cosmic ray physics and Gamma-ray Astronomy). The TAIGA experiment will include HiSCORE array with 120 wide-angle Cherenkov detectors on the area of 1 \(km^2\) and 5 Imaging Atmospheric Cherenkov Telescopes (IACT) on the same area. At the first stage of the analysis, only images obtained by one IACT were included in consideration. The training process occurs on samples of parameterized images obtained from Monte Carlo (MC) data for gammas and hadrons with a ‘Scaled Hillas Parameters’ standard technique. It was shown that the program effectively separates gamma-like showers, RF method does produce stable results and is robust with respect to input parameters and provides a simple control and setup of the procedure for extracting showers from gamma rays.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Gamma/Hadron Separation for a Ground Based IACT in Experiment TAIGA Using Machine Learning Methods
Date Crossref: 01/12/2021
Éditeur: Sissa Medialab
Type: proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Altai State University pays non établi dans la notice
Université ou école supérieure
Novosibirsk State University pays non établi dans la notice
Université ou école supérieure
Lomonosov Moscow State University pays non établi dans la notice
Université ou école supérieure
Istituto Nazionale di Fisica Nucleare pays non établi dans la notice
Structure de recherche
Budker Institute of Nuclear Physics pays non établi dans la notice
Structure de recherche
National Research Nuclear University MEPhI pays non établi dans la notice
Université ou école supérieure
Torino e-district pays non établi dans la notice
Structure de recherche
University of Turin pays non établi dans la notice
Université ou école supérieure
Institute of Applied Physics pays non établi dans la notice
Structure de recherche
Irkutsk State University Institute of Applied Physics pays non établi dans la notice
Université ou école supérieure
Universität Hamburg pays non établi dans la notice
Université ou école supérieure
Joint Institute for Nuclear Research pays non établi dans la notice
Structure de recherche

Altai State University, Novosibirsk State University et Lomonosov Moscow State University, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Astrophysics and Cosmic PhenomenaComputational Physics and Python ApplicationsDark Matter and Cosmic Phenomena

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI