论文部分内容阅读
利用AMS02量能器束流测试数据，详细研究了量能器的角分辨，并研究了用MC得到的位置测量误差函数来改善量能器的角分辨。结果证明，该方法简单而效果显著，可将量能器的角分辨改进为：
同时，还用束流测试数据研究了量能器的粒子分辨能力。将神经网络方法用于质子/电子区分，使得在电子效率不低于90％时，质子的效率可以降到5.5×10-3。
从量能器的能量分辨、角分辨和e/p分辨等方面将实验数据和MC进行了对比，验证了MC模拟程序的可靠性。
通过大数据量的MC模拟，研究了孔径外入射的质子、电子、α、3He等本底与γ信号之间的区别。结合AMS02其它子探测器的重建信息，提出了基于神经网络的信号/本底鉴别方法，并掌握了不同能量、不同入射角度信号与本底的效率、能量分辨和角分辨。
独立开发了在轨快速模拟程序，并将其应用于γ灵敏度研究。分析结果认为，AMS02量能器模式不但可以识别点源，而且可以测量点源和弥散γ的能谱。
论文还研究了AMS02在轨一年时间内，ECAL模式通过测量γ能谱来探测暗物质的灵敏度，并对不同的超对称模型参数、不同分布模型参数以及暗物质子结构等做了详细的比较。结论是：针对本文所尝试的几种暗物质模型参数及其分布，AMS02量能器模式探测暗物质有一定的显著性。