羊八井ARGO实验中原初γ和质子的区分

计算物理 ›› 2000, Vol. 17 ›› Issue (3): 280-285.

羊八井ARGO实验中原初γ和质子的区分

孔繁敏¹, 冯存峰¹, 张学尧¹, 傅宇¹, 张乃健¹, 何瑁¹, 王承瑞¹, 谭有恒²

1. 山东大学高能物理研究室, 山东济南 250100;
2. 中国科学院高能物理研究所, 北京 100039

收稿日期:1998-10-12 修回日期:1999-05-26 出版日期:2000-05-25 发布日期:2000-05-25
作者简介:孔繁敏(1970~),男,山东泗水,讲师,博士,从事无线电物理,高能物理方面研究工作.
基金资助:
国家自然科学基金;高等学校博士学科专项科研基金资助课题

IDENTIFICATION OF PRIMARY GAMMA RAYS AND PROTONS IN YBJ-ARGO EXPERIMENT

KONG Fan-min¹, FENG Cun-feng¹, ZHANG Xue-yao¹, FU Yu¹, ZHANG Nai-jian¹, HE Mao¹, WANG Cheng-rui¹, TAN You-heng²

1. High Energy Physics Group, Shandong University, 250100, P R China;
2. Institute of High Energy Physics, The Chinese Academy of Sciences, Beijing 100079, P R China

Received:1998-10-12 Revised:1999-05-26 Online:2000-05-25 Published:2000-05-25

摘要/Abstract

摘要： 利用Monte Carlo模拟数据研究了由γ和质子引起的空气簇射中的粒子在羊八井ARGO实验中的空间分布和时间分布的不同,提出了利用人工神经网络区分原初γ和质子的方法,结果表明在100GeV~ 10TeV能区可以较好地区分γ和质子。

关键词: Monte Carlo模拟, 人工神经网络, γ和质子的区分, 品质因子

Abstract: The differences of space distributions and time profiles between the γ-ray and proton induced showers in YBJ-ARGO experiment are studied using Monte Carlo simulation data.An artificial neural algorithm is used to identify the primary γ-ray and proton induced showers.It is shown that the separation of γ-rays and protons can be achieved with a good efficiency in the energy range of 0.1~10 TeV.

Key words: Monte Carlo simulation, artificial neural networks, γ/proton separation, quality factor

中图分类号:

O572.12

孔繁敏, 冯存峰, 张学尧, 傅宇, 张乃健, 何瑁, 王承瑞, 谭有恒. 羊八井ARGO实验中原初γ和质子的区分[J]. 计算物理, 2000, 17(3): 280-285.

KONG Fan-min, FENG Cun-feng, ZHANG Xue-yao, FU Yu, ZHANG Nai-jian, HE Mao, WANG Cheng-rui, TAN You-heng. IDENTIFICATION OF PRIMARY GAMMA RAYS AND PROTONS IN YBJ-ARGO EXPERIMENT[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2000, 17(3): 280-285.

[1]	龙光波, 郑永刚, 欧建文, 王兴华, 黄霞, 王艳芳. 逆Compton散射的MonteCarlo模拟[J]. 计算物理, 2016, 33(2): 136-146.
[2]	周璇, 张志东. 基于修正的Gruhn-Hess两体势模型研究弯曲形变向列相液晶盒[J]. 计算物理, 2010, 27(4): 598-602.
[3]	许晓军, 王凤飞. 不同温度下团簇生长的Monte Carlo模拟[J]. 计算物理, 2009, 26(5): 758-762.
[4]	寻之朋, 唐刚, 韩奎, 夏辉, 郝大鹏, 周伟, 杨细全. 1+1维Wolf-Villain模型奇异标度行为的数值模拟[J]. 计算物理, 2009, 26(2): 287-292.
[5]	李旭, 俞集辉, 李永明, 汪泉弟. 互连导线串扰问题的人工神经网络预测[J]. 计算物理, 2009, 26(2): 311-316.
[6]	蔡淑惠, 陈巧龙, 蔡聪波. 具有表面弛豫的液体自扩散的Monte Carlo模拟[J]. 计算物理, 2009, 26(1): 42-48.
[7]	刘艳辉, 胡林. DNA微环拓扑性质的Monte Carlo模拟[J]. 计算物理, 2009, 26(1): 152-158.
[8]	张连珠, 于富强, 孔令宜, 何琪. 等离子体金属表面氮化中放电温度对氮原子态粒子的影响[J]. 计算物理, 2004, 21(2): 173-178.
[9]	邓辉球, 胡望宇, 舒小林. 二元合金表面偏析的Monte Carlo方法模拟[J]. 计算物理, 2003, 20(2): 137-141.
[10]	李之杰, 王泽辉, 川村孝一, 山村泰道. 采用壳层效应屏蔽长度Monte Carlo方法计算溅射产额[J]. 计算物理, 2002, 19(4): 290-292.
[11]	贺朝会, 陈晓华, 李国政. 高能质子单粒子翻转效应的模拟计算[J]. 计算物理, 2002, 19(4): 367-371.
[12]	王瑜, 周洪楠. 海尔-波普彗星旋喷流结构的数值模拟[J]. 计算物理, 2001, 18(1): 72-74.
[13]	王治虎, 罗孟波. 一端附壁高分子链的Monte Carlo研究[J]. 计算物理, 2000, 17(6): 645-648.
[14]	冯存峰, 孔繁敏, 张学尧, 何瑁, 戴志强, 张乃健. 用神经网络分辨“膝”区原初质子成分[J]. 计算物理, 1999, 16(6): 568-572.
[15]	查敏, 朱清棋, 丁林恺. 对宇宙线广延大气簇射Čerenkov光的计算机模拟[J]. 计算物理, 1999, 16(6): 573-579.