深度学习赋能LHAASO：伽马与质子鉴别的创新突破与挑战.docxVIP

深度学习赋能LHAASO：伽马与质子鉴别的创新突破与挑战

一、引言

1.1研究背景与意义

宇宙线是来自宇宙空间的高能粒子流，主要由质子、电子、原子核等组成，其能量范围跨越多个数量级，从较低能量的太阳宇宙线到高达102?eV以上的超高能宇宙线。自1912年维克托?赫斯（VictorHess）发现宇宙线以来，宇宙线的起源、加速机制和传播过程一直是天体物理学中亟待解决的重要问题，这些问题的研究对于深入理解宇宙的演化、高能物理过程以及物质的基本结构具有深远意义。

宇宙线的起源被认为与宇宙中一些最剧烈的天体物理过程相关，如超新星爆发、活动星系核、伽马射线暴等。这些天体环境能够提供强大的加速机制，将粒子加速到极高的能量。然而，由于宇宙线中的粒子带电，它们在传播过程中会受到宇宙磁场的影响而发生偏转，这使得直接追溯宇宙线的源头变得极具挑战性。

伽马射线作为宇宙线的一种重要组成部分，具有独特的性质。伽马射线是不带电的高能光子，它们在传播过程中不会受到磁场的偏转，能够直接携带其产生源的方向和能量信息。通过探测伽马射线，天文学家可以更加准确地确定宇宙线的产生源，进而深入研究宇宙线的加速和传播机制。此外，伽马射线的能量范围广泛，从几十keV到数PeV，涵盖了许多重要的天体物理过程的特征能量尺度，使得伽马射线天文学成为研究宇宙高能现象的重要窗口。

在宇宙线探测中，准确鉴别伽马射线和质子是一项至关重要的任务。质子是宇宙线中最常见的粒子之一，然而，当质子与地球大气层相互作用时，会产生一系列的次级粒子，其中包括伽马射线，这使得在探测器中区分伽马射线和质子产生的信号变得困难。而质子在宇宙线研究中同样扮演着重要角色，其能谱、通量和空间分布等信息对于理解宇宙线的起源和传播具有重要意义。因此，精确鉴别伽马射线和质子，能够为宇宙线研究提供更加纯净的数据样本，有助于揭示宇宙线的真实物理过程。

随着观测技术的不断发展，地面和空间的宇宙线探测器不断涌现，探测精度和灵敏度也在不断提高。高海拔宇宙线观测站（LargeHighAltitudeAirShowerObservatory，LHAASO）作为目前世界上规模最大、灵敏度最高的超高能伽马射线和宇宙线探测器之一，其建设和运行对于宇宙线研究具有重要的推动作用。LHAASO通过多种探测器的联合观测，能够对宇宙线进行全方位、多参数的测量，为伽马射线和质子的鉴别提供了丰富的数据资源。

深度学习作为一种基于人工神经网络的机器学习技术，近年来在各个领域取得了显著的进展。深度学习通过构建多层神经网络模型，能够自动从大量的数据中学习特征和模式，对于复杂数据的处理和分类具有强大的能力。在宇宙线探测领域，深度学习的应用为伽马射线和质子的鉴别提供了新的思路和方法。相比于传统的鉴别方法，深度学习能够充分利用探测器测量得到的多维信息，挖掘数据中的潜在特征，从而提高鉴别性能。

本研究旨在探索深度学习在LHAASO实验伽马和质子鉴别中的应用，通过深入研究深度学习算法在处理LHAASO实验数据方面的优势和潜力，为宇宙线研究提供更加准确和高效的鉴别方法，进一步推动宇宙线起源和加速机制等重要科学问题的研究进展。

1.2LHAASO实验概述

高海拔宇宙线观测站（LHAASO），又称“拉索”，是国家重大科技基础设施，专注于宇宙线观测研究。该项目于2015年获中国国家发展和改革委员会批复立项，由中国科学院和四川省人民政府共同建设，由成都分院和高能物理研究所承担，建设周期4年，主体工程于2017年动工，2021年全面完成。2023年5月10日，LHAASO顺利通过国家验收，标志着其正式投入科学运行阶段。

LHAASO位于四川省甘孜藏族自治州稻城县海拔4410米的海子山，占地面积约1.36平方公里。其独特的地理位置具有多方面的优势。高海拔使得探测器能够更接近宇宙线的初始入射点，减少大气层对宇宙线的吸收和散射，从而提高探测效率和精度。同时，海子山地区地势开阔、环境相对稳定，有利于大规模探测器阵列的布局和长期稳定运行。

LHAASO由三类探测阵列组成，分别为平方公里阵列（KM2A）、水切伦科夫光探测器阵列（WCDA）和广角大气切伦科夫望远镜阵列（WFCTA）。平方公里阵列由5216个电磁粒子探测器和1209个缪子探测器组成，电磁粒子探测器用于测量宇宙线在大气中产生的电磁粒子簇射，缪子探测器则专门用于探测缪子，通过对缪子的测量可以获取宇宙线的成分和能量等信息。水切伦科夫光探测器阵列有效面积达7万多平方米，利用水切伦科夫效应来探测高能粒子在水中产生的切伦科夫光，该阵列对低能宇宙线和伽马射线具有较高的灵敏度。广角大气切伦科夫望远镜阵列由18台大气广角切伦科夫望远镜组成，通过观测大