Image Processing for X-ray and Electron Detection Based on Neural Networks for Pixelated Semiconductor Detectors

Die Analyse großer Datensätze in physikalischen Experimenten profitiert von den neuesten Fortschritten bei maschinellen Lernverfahren, die auf neuronalen Netzen basieren. Die Stärke dieses Ansatzes beruht auf dem Vorhandensein von validierten Kalibrierungsdaten, der sogenannten Ground Truth, und zuverlässig getesteten numerischen Simulationen. In den letzten Jahren hat der breite Einsatz von neuronalen Netzen aufgrund der kontinuierlichen Bereitstellung von Software und einer erheblichen Steigerung der Computerleistung an Dynamik gewonnen. Diese Zunahme lässt sich auch im Bereich der pixelierten Halbleiterdetektoren wiederfinden. Es werden vier verschiedene Methoden für unterschiedliche Ereignisraten auf den Detektoren entwickelt, um den Eintrittspunkt und die Intensitätsverteilung der Strahlung auf dem Detektor genau zu bestimmen. Diese Methoden ermöglichen die Rekonstruktion von Positions- und Intensitätsinformationen in Echtzeit bei hohen Bildraten.