5米切伦科夫望远镜改用Transformer读原始波形:配LST-1光电倍增管,能量阈值0.18 TeV,标准分析为0.73 TeV
核心概要
在理想化的5米单镜成像大气切伦科夫望远镜模拟中,视频视觉Transformer直接读取相机原始波形,不再依赖图像清理后的Hillas参数。换成LST-1实际使用的光电倍增管后,标准分析的能量阈值升到0.73 TeV,Transformer分析为0.18 TeV;前者需要100%量子效率才能追平这一阈值。原因是Transformer能处理相机内约35个光电子的事件,而标准分析在图像清理前需要约200个。
深度剖析
同一台5米望远镜、同一批模拟事件,只换分析方式,低能端表现就出现明显分化:Transformer分析的能量阈值随光子损失上升得比标准分析慢得多。 此前这类望远镜的事件重建主要走标准分析:把每个像素的波形压成一个电荷和一个到达时间,剔除可能只有夜空光的像素,再用少量Hillas图像参数重建,通常接随机森林。 从100%量子效率换到LST-1光电倍增管,Transformer分析阈值由0.074升至0.18 TeV,标准分析由0.19升至0.73 TeV;在0.5 TeV处标准分析灵敏度退化19倍,Transformer为2.2倍。
Transformer分析把整段波形电影当作输入,网络同时输出能量、相机平面内的两个方向坐标和一个伽马/强子得分。 所用网络是因子化编码器的视频视觉Transformer,把波形切成覆盖若干像素和两个时间采样的tubelet,再转成token。 空间编码器先合并每对时间采样的token,时间编码器再处理其序列;每个配置单独训练,超参数沿用前作,训练在四块NVIDIA A100上约需7.5小时。
低能端优势来自信号利用率:Transformer的最低能量bin里事件在相机中平均约35个光电子,标准分析最低bin的事件约200个光电子,清理后图像只剩约80个。 标准分析在峰值附近短时间窗内积分电荷,图像清理只保留超过阈值的像素及其邻居,图像尺寸因此只有相机光电子数的40%–70%。 在LST-1光电倍增管下,Transformer分析能给出0.063–0.1 TeV的bin,标准分析在0.25 TeV以下没有可用bin;两者阈值分别为0.18和0.73 TeV。
启示与展望
结论建立在CTAO模拟工具链生成的理想化单镜望远镜上:镜面全反射且完美对准、无电子噪声、夜空为暗天、背景只含质子,且质子只模拟到偏离指向方向和距望远镜250米以内。与MAGIC、LST-1的灵敏度对比中,后者来自真实数据,因此曲线并非完全可比;作者把这一对比定位为给模拟结果提供参照。
作者说明模拟背景可能偏低数十个百分点,但由于背景主导处可探测最弱通量只随背景平方根变化,对灵敏度影响较小;同时各处理想化都偏向模拟望远镜,绝对灵敏度偏乐观。网络超参数未针对任何配置优化,伽马/强子得分切割固定,不同随机种子训练带来的灵敏度差异最大约12%,因此小于该量级的配置间差异不作解读。
