[論文レビュー] New method for Gamma/Hadron separation in HAWC using neural networks

T. Capistrán, I. Torres+1 more|arXiv (Cornell University)|Aug 18, 2015

Astrophysics and Cosmic Phenomena参考文献 5被引用数 9

ひとこと要約

本論文は、HAWCガンマ線観測所におけるガンマ線/ハドロン分離のための連続的でニューラルネットワークベースの手法を提案する。従来のバッチ化されたコンパクトネス手法に代わるものであり、5つのシャワー形態特徴量を入力として用いた順方向型多層パーセプトロンを用い、連続的な出力スコアを生成する。最適なしきい値 θ_NN = 0.96 で、コンパクトネス手法に比べ36%高いQファクターを達成し、シミュレーションではガンマ線効率が13%向上、ハドロン効率が30%低下した。また、初期のカブスネビュラデータにおいても一貫した改善が確認された。

ABSTRACT

The High Altitude Water Cherenkov (HAWC) gamma-ray observatory is located at an altitude of 4100 meters in Sierra Negra, Puebla, Mexico. HAWC is an air shower array of 300 water Cherenkov detectors (WCD's), each with 4 photomultiplier tubes (PMTs). Because the observatory is sensitive to air showers produced by cosmic rays and gamma rays, one of the main tasks in the analysis of gamma-ray sources is gamma/hadron separation for the suppression of the cosmic-ray background. Currently, HAWC uses a method called compactness for the separation. This method divides the data into 10 bins that depend on the number of PMTs in each event, and each bin has its own value cut. In this work we present a new method which depends continuously on the number of PMTs in the event instead of binning, and therefore uses a single cut for gamma/hadron separation. The method uses a Feedforward Multilayer Perceptron net (MLP) fed with five characteristics of the air shower to create a single output value. We used simulated cosmic-ray and gamma-ray events to find the optimal cut and then applied the technique to data from the Crab Nebula. This new method is tuned on MC and predicts better gamma/hadron separation than the existing one. Preliminary tests on the Crab data are consistent with such an improvement, but in future work it needs to be compared with the full implementation of compactness with selection criteria tuned for each of the data bins.

研究の動機と目的

• HAWCにおけるガンマ線/ハドロン分離のための連続的でバッチフリーの代替手法を開発すること。
• 宇宙線背景汚染を低減することでガンマ線源検出の有意水準を向上させること。
• ニューラルネットワークを活用し、ガンマ線イベントとハドロンイベントにおける空気シャワー電荷分布の複雑な形態的差をモデル化すること。
• モンテカルロシミュレーションとカブスネビュラからの初期データを用いて、手法の妥当性を検証すること。
• 将来的に、完全なバッチ化されたコンパクトネス実装との比較を可能にする。

提案手法

• 5つの正規化されたシャワーパラメータ（nHit、電荷重心、電荷分散、および2つの形状パラメータ）を入力として用いた、アーキテクチャ 5-5-5-1 の順方向型多層パーセプトロン（MLP）を訓練する。
• ネットワークの出力は連続的なスコア（θ_NN）であり、1に近い値はガンマ線に類似したイベント、0に近い値はハドロンに類似したイベントを示す。
• 訓練データ上でQファクター（ε_gamma / √ε_hadron）を最大化することにより、最適なしきい値 θ_NN = 0.96 を選定する。
• ガンマ線効率とハドロン拒否のバランスをとるために、Qファクターと受信者操作特性（ROC）曲線を用いて性能を評価する。
• モンテカルロシミュレーションを用いて手法をテストし、バッチ固有のカットを用いた標準的なコンパクトネス手法と比較する。
• 初期データ比較では、ガウス法を用いてコア位置を再構築したカブスネビュライベントを用い、両手法に同一の有意水準指標を適用する。

実験結果

リサーチクエスチョン

• RQ1 連続的でニューラルネットワークベースの分類器は、HAWCにおけるガンマ線/ハドロン分離において、バッチ化されたコンパクトネス手法を上回ることができるか？
• RQ2 ガンマ線源検出のQファクターを最大化するためのニューラルネットワーク出力の最適なしきい値は何か？
• RQ3 簡略化された均一なコンパクトネスカットと比較して、ニューラルネットワーク手法は実際のカブスネビュラデータでどの程度の性能を示すか？
• RQ4 ニューラルネットワーク手法は、コンパクトネス手法に比べ、ガンマ線効率とハドロン拒否の両面でどの程度向上するか？
• RQ5 特にバッチ固有のチューニングが行われない状況下でも、ニューラルネットワークの性能は複数のnHitバッチで一貫しているか？

主な発見

• モンテカルロシミュレーションにおいて、ニューラルネットワーク手法はQファクター4.663を達成し、コンパクトネス手法のQファクター3.432に比べ35.9%の向上を示した。
• θ_NN = 0.96 で、ガンマ線効率は13.1%（53.6%から60.6%）向上し、ハドロン効率は30.7%（2.4%から1.7%）低下した。
• カブスネビュラの初期データ解析において、NKG再構築法を用いた場合に12.2%高い有意水準が得られ、ガウス法では17.5%高い有意水準が得られた。
• 最適なしきい値 θ_NN = 0.96 はQファクターを最大化し、ガンマ線効率とハドロン拒否の良好なトレードオフを提供する。
• ニューラルネットワーク出力の分布には明確な分離が見られ、ガンマ線イベントは1に、ハドロンイベントは0に集まっている。これは効果的な識別を示している。
• 複数の指標にわたる一貫した改善が確認されたことから、現在のバッチ化されたコンパクトネス手法に対する堅牢でスケーラブルな代替手法であると示唆される。