Signal Separation from Thermal Neutrons in Electron–Neutron Detectors Using Convolutional Neural Nets in the ENDA Experiment

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The electron–neutron detector array (ENDA) is being created in China within the large high-altitude air shower observatory (LHAASO) project. The concept of the array is to simultaneously record the electromagnetic and hadronic components of extensive air showers (EAS) with EN detectors. To estimate the number of hadrons in an EAS, the array detectors record secondary thermal neutrons delayed relative to the shower front. Some of the delayed pulses are created by the simultaneous passage of several charged particles through the scintillator (the signal from one particle lies below the detection threshold) and by the photomultiplier noise. We propose a neutron pulse separation method for EN detectors using convolutional neural networks and make a comparison with the baseline method being currently applied at the installation.

Sobre autores

K. Kurinov

Institute for Nuclear Research, Russian Academy of Sciences

Email: kyrinov.ko@gmail.com

D. Kuleshov

Institute for Nuclear Research, Russian Academy of Sciences

Email: kyrinov.ko@gmail.com
117312, Moscow, Russia

A. Lagutkina

Moscow Institute of Physics and Technology

Email: kyrinov.ko@gmail.com
141701, Dolgoprudnyi, Moscow oblast, Russia

Yu. Sten'kin

Institute for Nuclear Research, Russian Academy of Sciences; Moscow Institute of Physics and Technology

Email: kyrinov.ko@gmail.com
117312, Moscow, Russia; 141701, Dolgoprudnyi, Moscow oblast, Russia

O. Shchegolev

Institute for Nuclear Research, Russian Academy of Sciences; Moscow Institute of Physics and Technology

Autor responsável pela correspondência
Email: kyrinov.ko@gmail.com
117312, Moscow, Russia; 141701, Dolgoprudnyi, Moscow oblast, Russia

Bibliografia

  1. Yu. V. Stenkin, Nucl. Phys. B Proc. Suppl. 196, 293 (2009).
  2. O. B. Shchegolev, V. V. Alekseenko, D. A. Kuleshov et al., J. Phys. Conf. Ser. 1690 (2020).
  3. Yu. V. Stenkin, V. V. Alekseenko, Danzengluobu et al., Bull.Russ. Acad. Sci. Phys. 85, 405 (2021).
  4. О. Б. Щеголев, В. В. Алексеенко, Ю. В. Стенькин и др., Изв. РАН, сер. физ. 83, 691 (2019).
  5. Ю. В. Стенькин, О. Б. Щеголев, Изв. РАН, сер. физ. 81, 541 (2017).
  6. Yu. V. Stenkin, V. V. Alekseenko, D. M. Gromushkin et al., Chinese Phys. C 37, 015001 (2013).
  7. G. Ranucci, Nucl. Instr. Meth. A 354, 389 (1995).
  8. F. Pino, L. Stevanato, D. Cester et al., J. Instrument. 10, T08005 (2015).
  9. J. K. Polack, M. Flaska, A. Enqvist et al., Nucl. Instr. Meth. A 795, 253 (2015).
  10. E. Doucet, T. Brown, P. Chowdhury et al., Nucl. Instr. Meth. A 954, 161201 (2020).
  11. T. S. Sanderson, C. D. Scott, M. Flaska et al., IEEE Nuclear Science Symposium and Medical Imaging Conference Record (NSS/MIC), 199 (2012).
  12. J. Gri ths, S. Kleinegesse, D. Saunders et al., Machine Learning: Science and Technology 1, 045022 (2020).
  13. Д. М. Громушкин, А. А. Петрухин, Ю. В. Стенькин и др., Изв. РАН, сер. физ. 73, 425 (2009).
  14. Ю. В. Стенькин, В. В. Алексеенко, А. С. Багрова и др., Изв. РАН, сер. физ. 81, 179 (2017).
  15. W. S. Cleveland, American Statistician 35, 54 (1981).
  16. P. Refaeilzadeh, L. Tang, and H. Liu, Encyclopedia of Database Systems 5, 532 (2009).
  17. A. Paszke, S. Gross, F. Massa et al., Advances in Neural Information Processing Systems 32, 8026 (2019).
  18. J. Deng, J. Guo, T. Liu et al., arXiv: 1801.07698.
  19. L. Van der Maaten and G. Hinton, J. Machine Learning Res. 9, 2579 (2008).
  20. D. P. Kingma and J. Ba, arXiv:1412.6980.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».