Zusammenfassung - Rekonstruktion kosmischer Strahleneigenschaften mit GNN in GRAND

Rekonstruktion kosmischer Strahleneigenschaften mit GNN in GRAND

2025-07-10 08:36:38

{"Arsène Ferrière","Aurélien Benoit-Lévy"}

{astro-ph.IM,hep-ex}

Das Experiment Giant Radio Array for Neutrino Detection (GRAND) zielt darauf ab, durch die Beobachtung von Radioemissionen, die in ausgedehnten Luftregenbögen erzeugt werden, ultra-hochenergetische Neutrinos zu detektieren und zu untersuchen. Dieses Papier stellt eine Methode zur hochpräzisen Rekonstruktion der Ankunftsrichtung und Energie kosmischer Strahlen mithilfe von Graphen-Neural-Netzwerken (GNNs) im GRAND-Projekt vor. Die vorgeschlagene Methode nutzt simulierte Spannungssignale als Eingabe für ein GNN. Um die Präzision zu verbessern und die Größe des erforderlichen Trainingssets zu reduzieren, wird physikalisches Wissen sowohl in die Architektur des GNN als auch in die Eingangsdaten integriert. Dieser Ansatz erreicht eine Winkelaufgelösung von 0,14° und eine primäre Energierekonstruktionsauflösung von etwa 15%. Darüber hinaus werden Unsicherheitsbewertungsmethoden eingesetzt, um die Zuverlässigkeit der Vorhersagen zu verbessern. Die Studie zeigt das Potenzial von GNNs für die Rekonstruktion kosmischer Strahleneigenschaften auf und betont die Bedeutung der Integration physikalisches Wissen und Unsicherheitsbewertung in den Rekonstruktionsprozess. Die Ergebnisse suggestieren, dass GNNs ein wertvolles Werkzeug für die Verbesserung der Rekonstruktionsfähigkeiten des GRAND-Projekts und ähnlicher Experimente sein können.