广泛的空气淋浴(EAS)分析的目的是重建启动淋浴的主要粒子的物理参数。 TAIGA实验是一个混合探测器系统,结合了几个成像大气切伦科夫望远镜(IACTs)和一系列非成像切伦科夫探测器(TAIGA-HiSCORE)用于EAS检测。 由于不同探测器类型记录的信号在物理性质上有所不同,因此数据的直接合并是不可行的,这使得多模态分析复杂化。 目前,为了分析来自IACTs和TAIGA-HiSCORE的数据,从记录的信号中计算一组特定于每个探测器类型的辅助参数。 这些参数是经验选择的,因此无法确定它们保留所有重要信息,并且最适合各自的问题。 我们建议使用自动编码器(AE)来分析TAIGA实验数据,并将常规使用的辅助参数替换为AE潜伏空间的参数。 AE潜伏空间参数的优点是,它们从实验数据中保留基本物理学,而无需事先假设。 这种方法还具有通过联合潜伏空间实现异构IACT和HiSCORE数据的无缝集成的潜力。 为了从AE的潜在空间重建EAS主粒子的参数,使用一个单独的人工神经网络。 在本文中,建议的方法用于根据TAIGA-HiSCORE的蒙特卡洛模拟数据重建EAS主粒子的能量。 能量测定精度对潜在空间维度的依赖性进行了分析,这些结果也与常规技术获得的结果进行了比较。 结果表明,当使用AE潜伏空间时,以令人满意的精度重建主粒子的能量。