利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt

上传人:ga****84 文档编号:383524 上传时间:2018-09-29 格式:PPT 页数:23 大小:584.50KB
下载 相关 举报
利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt_第1页
第1页 / 共23页
利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt_第2页
第2页 / 共23页
利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt_第3页
第3页 / 共23页
利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt_第4页
第4页 / 共23页
利用ARGO-YBJ模拟读出分辨膝区质子-中国科学院高能物理研究所.ppt_第5页
第5页 / 共23页
点击查看更多>>
资源描述

1、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/dEE,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

2、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(903150 E,300638 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100G

3、eV500TeV,覆盖天区赤纬范围为-101.11; (2)重建芯位在阵列中心50m55m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, IronEnergy: 200TeVVertical incidentCore hit array center,m,用于分辨“膝”区质子的特征量,平均横向分布宽度 80%半径R80芯位区域与R80区域粒子密度之比Ratio80簇射前锋面斜率Sfront,平均横向分布宽度,平均横向分布宽度定义为 其中,Ni为第i个BIG PAD探测到的带电

4、粒子数目;(xi,yi)是第i个BIG PAD在探测器平面上的坐标; (xcore,ycore)是用LIKELIHOOD2方法重建的簇射芯位坐标。,R80与Ratio80,80%半径R80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。Ratio80: 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R80所在环带为R80区域。分别计算两个区域的粒子密度,然后取其比值定义为Ratio80。,簇射前锋面斜率Sfront,芯位周围几十米范围内的簇射次级粒子具有弧状

5、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Aeff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

6、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-2.740.013。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-4.980.72, 用直线拟合:重建能谱的能谱指数为 -2.810.012,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
相关资源
相关搜索

当前位置:首页 > 学术论文资料库 > 毕业论文

Copyright © 2018-2021 Wenke99.com All rights reserved

工信部备案号浙ICP备20026746号-2  

公安局备案号:浙公网安备33038302330469号

本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。