收藏 分销(赏)

利用ARGO-YBJ模拟读出分辨“膝”区质子.ppt

上传人:xrp****65 文档编号:13186685 上传时间:2026-02-01 格式:PPT 页数:23 大小:584.50KB 下载积分:10 金币
下载 相关 举报
利用ARGO-YBJ模拟读出分辨“膝”区质子.ppt_第1页
第1页 / 共23页
利用ARGO-YBJ模拟读出分辨“膝”区质子.ppt_第2页
第2页 / 共23页


点击查看更多>>
资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,利用,ARGO-YBJ,模拟读出分辨,“,膝”区质子,山东大学,曲晓波,2008.4.28,概要,“膝”区物理背景,ARGO-YBJ,试验简介,数据模拟和数据筛选,用于分辨“膝”区质子的特征量,分辨效果以及强相互作用模型的影响,原初能量重建,重建“膝”区质子能谱,总结,“膝”区物理背景,宇宙线(来自宇宙空间的质子和原子核)的能谱遵循负幂率规律:,dN/dE,E,,但在能量约为,4,PeV,附近,宇宙线的全粒子能谱有明显的拐折,幂指数由,-2.7,变为,-3.1,形成所谓的“膝”结构,该能区称为“膝”区。,为了解释这一现象,人们从宇宙线的起源、加速和传播机制以及超高能相互作用等方面出发提出了多个理论模型。大多数的模型可以很好地解释实验观测到的宇宙线全粒子谱,但在宇宙线分成分能谱的预言上存在很大的差异。,因此,“膝”区宇宙线物理研究的关键是对“膝”宇宙线分成分能谱进行实验测量。这就要求宇宙线实验具有分辨“膝”区原初宇宙线成分的能力。,中意合作羊八井,ARGO,实验位于西藏拉萨以北,90,公里羊八井地区,(9031,50,E,,,3006,38,N,,海拔高度,4310,米,),,采用大面积阻性板探测器(,Resistive Plate Chamber,)作其基本探测单元构成的地毯式全覆盖,EAS,(,Extensive Air Shower,)阵列,利用当地良好的自然条件及高海拔优势探测小空气簇射事例,进而研究,射线天文、,暴,并在,TeV,能区测量等。阵列工作能区为,100GeV500TeV,,覆盖天区赤纬,范围为,-10,1.11,;,(2),重建芯位在阵列中心,50m,55m,范围内;,(3),最大击中,module,在内部阵列内。,挑选效率为,:97.67%,后面的分析只应用挑选出来的内部事例。,不同成分簇射的差异,Primary:Proton,Iron,Energy:200TeV,Vertical incident,Core hit array center,Iron,Proton,m,用于分辨“膝”区质子的特征量,平均横向分布宽度,80%,半径,R,80,芯位区域与,R,80,区域粒子密度之比,Ratio,80,簇射前锋面斜率,S,front,平均横向分布宽度,平均横向分布宽度,定义为,其中,,N,i,为第,i,个,BIG PAD,探测到的带电粒子数目;(,x,i,,,y,i,)是第,i,个,BIG PAD,在探测器平面上的坐标;,(,x,core,,,y,core,),是用,LIKELIHOOD2,方法重建的簇射芯位坐标。,R,80,与,Ratio,80,80%,半径,R,80,定义为能包含事例中,80%,带电粒子数的最小圆形区域的半径。,Ratio,80,:,以簇射的重建芯位为中心,2.5m,为半径作圆,然后每次半径增加,5m,作以重建芯位为圆心的同心圆,这些同心圆将簇射靶图划分为多个环带(中心区域为圆),取中心圆区域为芯位区域,,80%,半径,R,80,所在环带为,R,80,区域。分别计算两个区域的粒子密度,然后取其比值定义为,Ratio,80,。,簇射前锋面斜率,S,front,芯位周围几十米范围内的簇射次级粒子具有弧状的前沿,本工作中将簇射前锋近似为一个锥面。,用于分辨“膝”区质子的特征量,分辨效果以及强相互作用模型的影响,分辨效果以及强相互作用模型的影响,综合上述两种模型(,QGSJET-II,、,SIBYLL,)所得的神经网络及其与两种模型数据之间的相互检验,当,ANN Cut,值选为,0.75,时,其对质子的挑选效率以及对其他核的排除率如表,1,所示:,原初能量重建,原初能量的重建精度约为,27%,有效面积,有效面积,A,eff,定义如下:,重建“膝”区质子能谱,红色虚线为模拟所用能谱,空心方格为利用,QGSJET-ANN,所得重建能谱,实心三角为利用,SIBYLL-ANN,所得重建能谱。(,QGSJET-II,数据),重建“膝”区质子能谱,利用具有“膝”结构的曲线拟合:对于拐折前能谱:模拟所用能谱指数为,-2.74,,重建能谱的能谱指数为,-2.74,0.013,。拐折后能谱:模拟所用能谱指数为,-4.84,,重建能谱的能谱指数为,-4.98,0.72,,,用直线拟合:重建能谱的能谱指数为,-2.81,0.012,,,由拟合结果可见利用具有“膝”结构的曲线拟合的优度较好,证明重建能谱的能谱指数有变化,即能谱有拐折。,总结,人工神经网络方法可以有效的挑选出“膝”区质子事例,并有效的排除绝大多数背景。神经网络方法对强相互作用模型的依赖较弱。,应用两种模型数据(,QGSJET-II,和,SIBYLL,)训练的,ANN,都能有效的挑选出,QGSJET-II,数据中的质子事例,并能较准确地重建出“膝”区质子能谱(两重建能谱都很好的符合了模拟所用能谱)。理论上其他单成分能谱也可以通过类似方法重建获得。,感谢中科院高能所查敏老师和陈松战博士对我的帮助!,谢谢各位老师!,
展开阅读全文

开通  VIP会员、SVIP会员  优惠大
下载10份以上建议开通VIP会员
下载20份以上建议开通SVIP会员


开通VIP      成为共赢上传

当前位置:首页 > 百科休闲 > 其他

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        抽奖活动

©2010-2026 宁波自信网络信息技术有限公司  版权所有

客服电话:0574-28810668  投诉电话:18658249818

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :微信公众号    抖音    微博    LOFTER 

客服