Analisis

El grupo de CTA del CIEMAT participa a través de la Unidad de Computación Científica del Departamento de Investigación Básica en el desarrollo de algoritmos para el análisis en tiempo real de los datos de CTA. Esta parte de la cadena de análisis es clave para reaccionar a objetivos oportunistas detectados por otros instrumentos en otras bandas energéticas, y como instrumento para la toma de decisiones en la gestión de las observaciones de CTA.

Además, también se está investigando el rendimiento de ciertos algoritmos avanzados de Machine Learning para la reconstrucción de los datos del observatorio en tiempo de análisis.

Para entender la reconstrucción de los datos es necesario saber si los telescopios han captado alguna imagen de la luz Cherenkov producida en la atmósfera de la Tierra; dicha emisión lumínica es causada por rayos gamma cósmicos al interactuar con la atmósfera, generando cascadas electromagnéticas a lo largo de sus trayectorias. Esta imagen representa la cascada electromagnética en la atmósfera y se utiliza para identificar el rayo gamma primario. Las cascadas electromagnéticas generadas por rayos gamma tienen que ser separadas en base a su patrón de imagen, lo cual es esencial para los telescopios Cherenkov, de las más abundantes cascadas generadas por hadrones.

La reconstrucción de los datos se centrará en un sistema que consta de un algoritmo de procesamiento de imagen, relacionado con el conocimiento y basado en clasificadores, utilizando solamente las imágenes no tratadas de los telescopios Cherenkov. Tales problemas de categorización de imágenes con un gran número de entradas son resueltos con éxito por métodos de aprendizaje profundo (deep learning), los cuales proporcionan representaciones óptimas de los datos. Actualmente se está empleando Tensorflow para tal fin, aunque también prevemos su uso para problemas relacionados con la reconstrucción de la energía y la determinación de la dirección original de llegada de los rayos gamma.