This is an old revision of the document!
Table of Contents
Program
17.06.2025
The list of accepted reports.
The first author is the presenter.
If someone did not find themselves in the list, please inform us by email dlcp@sinp.msu.ru
Section 1. Machine Learning in Fundamental Physics
36. Реконструкция энергии космических лучей ультравысоких энергий, зарегистрированных флуоресцентным телескопом: одного такта времени может быть достаточно
М.Ю. Зотов (1), А.А. Трусов (2)
(1) НИИЯФ МГУ, (2) Физический факультет МГУ
Мы рассматриваем задачу реконструкции энергии космических лучей (КЛ) ультравысоких энергий по данным флуоресцентного телескопа EUSO-TA. Данные были собраны в 2015 г. на сайте эксперимента Telescope Array (ТА). EUSO-TA – это небольшой телескоп-рефрактор с диаметром линз 1 м, полем зрения 10х10 градусов и временным разрешением 2.5 мкс, созданный для наземных тестов аппаратуры, создаваемой в рамках научной программы коллаборации JEM-EUSO. Основные трудности реконструкции энергии возникают вследствие маленького поля зрения (в 30 раз меньше, чем у флуоресцентных телескопов ТА) и низкого временного разрешения (в 25 раз ниже, чем у ТА). Это приводит к тому, что EUSO-TA способен регистрировать лишь часть треков широких атмосферных ливней, и весь сигнал оказывается, как правило, записан в течение всего одного такта времени. Мы покажем, что ансамбль свёрточных нейронных сетей позволяет даже в таких условиях оценить энергию первичных КЛ с приемлемой точностью.
0
Section 2. Machine Learning in Natural Sciences
0
Section 3. Machine Learning for Environmental Sciences
0