Pulse-shape discrimination with machine learning for CZT detectors at the DANE beam test facility
تُظهر هذه الدراسة أن طريقة تمييز شكل النبضة القائمة على تعلم الآلة باستخدام مصنف XGBoost يمكنها التمييز بفعالية بين إشارات الفوتونات الاسمية والأحداث الشاذة في كواشف CZT تحت ظروف التدفق العالي في منشأة DANE، مما يحسن أداء الطيف بشكل كبير بدقة عالية وبأقل قدر من بيانات التدريب.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الفيزياء النووية وفيزياء الجسيمات، يحتاج العلماء غالباً إلى الاستماع إلى الكون عبر رصد ومضات ضوئية أو طاقية متناهية الصغر تنطلق عندما تتفاعل الذرات. وللقيام بذلك، يستخدمون كواشف تعمل مثل آذان شديدة الحساسية، تلتقط الإشارات من الأشعة السينية وأشعة غاما. ولعقود من الزمن، حظي نوع معين من الكواشف المصنوعة من بلورة تسمى "تيلوريد كادميوم وزنك" بتقدير كبير، لأنها تستطيع العمل في درجة حرارة الغرفة دون الحاجة إلى أنظمة تبريد ضخمة ومكلفة. وتتميز هذه الكواشف بقدرتها العالية على قياس طاقة الجسيمات الواردة، مما يسمح للباحثين بتحديد نوع الذرات الموجودة بدقة. ومع ذلك، تواجه هذه الكواشف تحدياً كبيراً عند وضعها بالقرب من مسرعات الجسيمات القوية؛ إذ تخلق هذه البيئة المكثفة خلفية فوضوية من الضجيج والإشارات الزائفة التي يمكن أن تطغى على الرسائل الخافتة والمهمة التي يحاول العلماء سماعها. وغالباً ما تبدو الإشارات الناتجة عن الأحداث غير المرغوب فيها مشابهة جداً للإشارات الحقيقية، مما يجعل من الصعب التمييز بينهما باستخدام الطرق التقليدية.
لقد تصدى فريق من الباحثين مؤخراً لهذه المشكلة عبر تعليم الكمبيوتر كيفية الاستماع بعناية أكبر إلى "شكل" الإشارات، بدلاً من الاكتفاء بالتركيز على "علو صوتها". فقد أجروا اختباراً في منشأة في إيطاليا حيث تم إطلاق شعاع من الإلكترونات نحو هدف من الرصاص. وقد نتج عن هذا التصادم مزيج من الأشعة السينية المفيدة الناتجة عن ذرات الرصاص، وخلفية فوضوية من الجسيمات الأخرى وانفجارات الطاقة. قام الباحثون بتسجيل الموجات الكهربائية المتولدة عن كاشف وُضع بالقرب من الهدف، ولاحظوا أن الموجات القادمة من الأشعة السينية المنشودة كانت ذات شكل سلس ومتوقع، حيث ترتفع بثبات نحو ذروة ثم تستقر. وفي المقابل، كانت الموجات الناتجة عن ضجيج الخلفية متعرجة وغير منتظمة، أو تحتوي على نتوءات متعددة، ناتجة غالباً عن اصطدام جسيمات بالكاشف في نفس الوقت أو بسبب خلل إلكتروني.
وللفصل بين الإشارات الجيدة والسيئة، استخدم الفريق أداة لتعلم الآلة تسمى "XGBoost"، وهي نوع من الخوارزميات المصممة لإيجاد الأنماط في البيانات المعقدة. في البداية، عرضوا على الكمبيوتر آلاف الأمثلة من هذه الموجات، مع تصنيفها يدوياً إما كإشارات "طبيعية" (الأشعة السينية الجيدة) أو "شاذة" (الضجيج). تعلم الكمبيوتر كيفية البحث عن تفاصيل محددة في شكل الموجة، مثل سرعة ارتفاعها، وعدد النتوءات التي تحتوي عليها، ومدى انتشار الطاقة عبر الزمن. وبعد التدريب على بضع مئات فقط من الأمثلة، أصبح الكمبيوتر بارعاً جداً في هذه المهمة، حيث وصل في النهاية إلى دقة تقارب 97 بالمئة عند اختباره على بيانات جديدة. لقد تعلم الكمبيوتر تجاهل الموجات الفوضوية ذات النتوءات المتعددة، مع الاحتفاظ بالموجات ذات النتوء الواحد النظيفة التي تحتوي على المعلومات العلمية.
وعندما طبق الباحثون نموذج الكمبيوتر المدرب هذا على مجموعة بيانات ضخمة تضم أكثر من 700,000 حدث مسجل، كانت النتائج مذهلة. نجح النموذج في تصفية ما يقرب من نصف إجمالي البيانات، مستبعداً الغالبية العظمى من ضجيج الخلفية. وما تبقى كان صورة أكثر نقاءً لطيف الطاقة؛ حيث ظلت الخطوط المميزة لأشعة الرصاص السينية، وهي الهدف الأساسي من التجربة، ساطعة وواضحة. وحتى الإشارة المتميزة لعملية "إفناء الإلكترون-بوزيترون"، وهي واقعة محددة تحدث عند مستوى طاقة أعلى، أصبحت أكثر وضوحاً في مواجهة الخلفية المنخفضة. كما تمت إزالة القمم المزدوجة والثلاثية الناتجة عن اصطدام الجسيمات بالكاشف في آن واحد بشكل شبه كامل، مما أثبت أن الكمبيوتر قد تعلم بالفعل التعرف على البصمات المعقدة لهذه الأحداث غير المرغوب فيها.
يُظهر هذا العمل أن تعلم الآلة يمكن أن يعمل كمرشح قوي للكواشف التي تعمل في البيئات القاسية لمسرعات الجسيمات. فمن خلال التركيز على الشكل التفصيلي للإشارات الكهربائية، يمكن للعلماء الآن استعادة بيانات واضحة من التجارب التي قد تحجبها الضوضاء لولا ذلك. وتشير الدراسة إلى أنه مع قدر ضئيل فقط من التوجيه البشري الأولي، يمكن تدريب نماذج الكمبيوتر هذه لتحسين جودة التحليل الطيفي بشكل كبير. وبينما يشير الباحثون إلى ضرورة إجراء المزيد من الاختبارات لضمان عمل هذه الطريقة عبر ظروف وإعدادات كاشفات مختلفة، فإن النتائج تقدم دليلاً قوياً على نجاح المفهوم. وهي توضح أن مستقبل القياسات عالية الدقة في بيئات المسرعات المزدحمة قد يعتمد أقل على بناء أجهزة أفضل، وأكثر على تعليم البرمجيات فهم اللغة الدقيقة لتفاعلات الجسيمات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.