数据集概述
该数据集包含基于GEANT4生成的月表与火星水冰探测模拟数据，涵盖干风化层及含冰风化层场景，包含原始模拟输出、事件筛选与机器学习分类代码、可视化文件及技术文档，为μ子层析技术在深空水冰探测中的应用研究提供支持。
文件详解
- 模拟数据文件：
- 月表与火星场景CSV文件：如MarsSurface_Ice.csv、LunarSurface_Rock.csv等，格式为CSV，包含时间、能量（电子、光子、中子等粒子）、散射角度等5D信息及粒子类型字段
- 代码文件：
- backscatter_eventselection.py：Python格式，用于筛选事件并生成背散射事件CSV文件
- ml_classifier.py：Python格式，用于机器学习分类背散射事件
- Tracking_EKF.py：Python格式，通过扩展卡尔曼滤波进行轨迹重建并计算轨迹长度
- 可视化文件：
- 月表与火星场景TIFF文件：如Lunar_Backscatter_GEANT4Simulations.tiff等，格式为TIFF，展示探测器几何结构与粒子事件
- 图表PNG文件：如Track_Length.png、ROC_Curve_MoonwithTrack.png，格式为PNG，呈现轨迹长度与分类性能曲线
- 技术文档：
- OP_Muographers_2023.pdf：PDF格式，详细描述化学组成与模拟场景
适用场景
- 深空探测技术研究：评估μ子层析技术在月表与火星水冰探测中的可行性
- 粒子物理模拟分析：基于GEANT4模拟数据研究宇宙射线与行星表面物质的相互作用
- 机器学习应用：开发背散射事件分类模型以识别水冰存在的特征
- 探测器设计优化：通过模拟数据优化μ子探测器的几何结构与性能参数
