Deep Learning-Based $^{14}$C Pile-Up Identification in the JUNO Experiment

Diese Arbeit untersucht den Einsatz verschiedener Deep-Learning-Modelle, darunter Faltungs- und Transformer-Architekturen, zur Identifizierung von $^{14}$C-Pile-up-Ereignissen im JUNO-Experiment, um die Energieauflösung für die Bestimmung der Neutrinomassenhierarchie zu verbessern.

Das Wesentliche

🌌 Das große Rätsel: Wer ist schwerer?

Stell dir vor, du versuchst herauszufinden, wer von zwei Zwillingen schwerer ist, ohne sie auf eine Waage zu legen. Du musst es nur daran erkennen, wie sie sich bewegen. Das ist ungefähr das, was das JUNO-Experiment in China tun will: Es möchte herausfinden, welche Art von „Geisterteilchen" (Neutrinos) schwerer ist. Das ist eine der größten Fragen der modernen Physik.

Um das zu tun, baut JUNO einen riesigen, unterirdischen Tank voller flüssigem Leuchtstoff (wie eine gigantische, dunkle Badewanne). Wenn ein Neutrino dort hineinspringt, entsteht ein kleiner, heller Blitz – ein positron genannt. Wenn man diesen Blitz genau misst, kann man das Rätsel lösen.

🧨 Das Problem: Der ungeladene Gast

Aber es gibt ein Problem. In diesem riesigen Tank gibt es eine kleine Verunreinigung: Kohlenstoff-14. Stell dir das wie einen launischen Gast vor, der immer wieder kleine, schwache Blitze macht, wenn er eigentlich schlafen sollte.

Wenn ein echter Neutrino-Blitz (der Positron) genau zur gleichen Zeit und am gleichen Ort auftritt wie einer dieser kleinen Kohlenstoff-Blitze, überlagern sie sich. Das nennt man „Pile-Up" (Stapelung).

• Das Ergebnis: Der Blitz sieht für die Detektoren anders aus als er sollte. Die Messung wird ungenau, wie wenn du versuchst, das Gewicht eines Apfels zu wiegen, während jemand gleichzeitig ein Federkissen darauf legt. Das würde die ganze Messung verderben.

🕵️‍♂️ Die Lösung: Ein digitaler Detektiv

Die Forscher brauchen einen Weg, diese gestapelten Ereignisse sofort zu erkennen und herauszufiltern. Da die Signale sehr klein und die Zeitabstände winzig sind, ist das für normale Computer zu schwer. Also haben sie Künstliche Intelligenz (Deep Learning) eingesetzt.

Man kann sich die drei Modelle vorstellen, die sie getestet haben, wie drei verschiedene Arten von Detektiven:

1. Der Maler (2D-CNN)

Dieser Detektiv nimmt alle Sensoren im Tank und malt sie auf ein Bild. Er sieht die Verteilung der Lichtblitze wie ein Foto.

• Wie er denkt: „Schau mal, auf diesem Bild sieht die Lichtverteilung etwas schief aus, als wären zwei Blitze übereinandergeklebt."
• Ergebnis: Er ist gut, aber er braucht lange, um das Bild zu analysieren (wie ein Maler, der jeden Pinselstrich prüft).

2. Der Zeit-Analyst (1D-CNN)

Dieser Detektiv ignoriert das Bild und schaut sich nur die Zeitlinie an. Er fragt: „Wann genau kamen die Lichtblitze an?"

• Wie er denkt: „Normalerweise kommt ein Blitz. Aber hier? Zuerst ein kleiner Knall, dann sofort ein großer. Das sind zwei Ereignisse, die sich überlagern!"
• Ergebnis: Da er sich auf das Wesentliche (die Zeit) konzentriert, ist er sehr schnell und besonders gut darin, die kritischen Fälle zu finden, bei denen die Blitze fast gleichzeitig kommen.

3. Der Genie-Leser (Transformer)

Dies ist die modernste Technik, die eigentlich für das Verstehen von Sprache (wie bei Chatbots) entwickelt wurde. Dieser Detektiv behandelt die Daten wie einen Satz.

• Wie er denkt: Er liest die Abfolge der Lichtsignale wie Wörter in einem Satz und versteht den „Kontext". Er merkt: „Oh, diese beiden Signale passen grammatisch nicht zusammen, sie gehören zu zwei verschiedenen Sätzen (Ereignissen)!"
• Ergebnis: Er ist genauso gut wie der Zeit-Analyst, aber er ist sehr schlau und flexibel.

🏆 Das Fazit: Wer gewinnt?

Die Forscher haben alle drei Detektiven getestet.

• Der Maler (2D) war okay, aber etwas langsam und bei den schwierigsten Fällen nicht perfekt.
• Der Zeit-Analyst (1D) und der Genie-Leser (Transformer) waren die Gewinner. Sie konnten die gestapelten Ereignisse besonders gut erkennen, genau in dem Bereich, der für die Messung am wichtigsten ist.

Warum ist das wichtig?
Wenn JUNO diese „Stapel-Ereignisse" mit Hilfe dieser KI-Modelle herausfiltern kann, bleibt die Messung des Neutrino-Blitzes sauber und präzise. Das bedeutet, dass das Experiment seine Chance hat, eines der größten Geheimnisse des Universums zu lüften: Warum besteht das Universum aus Materie und nicht aus Antimaterie?

Kurz gesagt: Die Forscher haben einen digitalen Schutzzauber entwickelt, der verhindert, dass kleine Störgeister die große Entdeckung verderben. 🛡️✨

Technische Zusammenfassung

Technische Zusammenfassung: Deep-Learning-basierte Identifizierung von 14C-Pile-up-Ereignissen im JUNO-Experiment

1. Problemstellung

Das Jiangmen Underground Neutrino Observatory (JUNO) hat das Ziel, die Neutrinomassenhierarchie (NMO) mit einer Signifikanz von 3 Sigma innerhalb von 6 Jahren zu bestimmen. Ein entscheidender Faktor für den Erfolg ist eine hohe Energieauflösung der Positronen ($e^+$), die durch den inversen Betazerfall (IBD) nachgewiesen werden. Die Auflösung muss besser als 3 % sein.

Ein Hauptproblem stellt jedoch das Vorhandensein von Restisotopen von Kohlenstoff-14 ($^{14}$C) im Flüssigszintillator (LS) dar. $^{14}$C zerfällt und erzeugt Signale, die sich zeitlich und räumlich mit den Positronen-Signalen überlagern können (sogenannte "Pile-up"-Ereignisse). Dies verschlechtert die Energieauflösung erheblich (präliminäre Ergebnisse deuten auf eine relative Verschlechterung von ca. 2 % bei 1 MeV hin).
Die Identifizierung dieser Pile-up-Ereignisse ist schwierig, da:

• Das Signal von $^{14}$C im Vergleich zum Positronensignal sehr klein ist.
• Die Ereignisse oft sehr nahe beieinander liegen (sowohl zeitlich als auch im Vertex), was eine Trennung erschwert.

2. Methodik

Die Studie untersucht den Einsatz verschiedener Deep-Learning-Modelle zur Klassifizierung von Pile-up-Ereignissen. Als Datensatz wurden simulierte Daten des JUNO-Offline-Softwarepakets (Version J22.1.0-rc0) verwendet, die Geant4-Detektorsimulationen, Elektroniksimulationen und Ereignisrekonstruktionen umfassen. Der Datensatz besteht aus reinen $e^+$-Ereignissen und $e^+$-Ereignissen mit $^{14}$C-Pile-up (mit einer Bedingung von $nHit_{14C} > 50$, da weniger Hits vernachlässigbar sind).

Drei verschiedene Modellarchitekturen wurden entwickelt und verglichen:

• A. Zweidimensionale Convolutional Neural Network (2D-CNN):

  • Datenaufbereitung: Die Daten der Photomultiplier-Röhren (PMTs) werden in ein bildähnliches Format transformiert. Eine Abbildung der PMT-IDs auf $(x, y)$-Koordinaten erzeugt ein Bild mit zwei Kanälen: Ladung (Charge) und erste Ankunftszeit (First Hit Time).
  • Architektur: Das Modell besteht aus 2D-Faltungsschichten, Batch-Normalisierung, Max-Pooling und vollvernetzten Schichten mit ReLU-Aktivierung.
  • Ziel: Klassifikation basierend auf der räumlichen Verteilung der Lichtsignale.

• B. Eindimensionale Convolutional Neural Network (1D-CNN):

  • Datenaufbereitung: Nutzung der zeitlichen Verteilung der PMT-Hits. Es werden zwei Kanäle erstellt:
    1. Anzahl der PMT-Hits über die Zeit (-250 ns bis 1250 ns).
    2. Anzahl der PMT-Hits über die Zeit unter Berücksichtigung der Laufzeitkorrektur (Time-of-Flight), um die Geometrie zu kompensieren (-500 ns bis 1000 ns).
  • Architektur: Ähnlich der 2D-CNN, verwendet jedoch 1D-Faltungs-, Normalisierungs- und Pooling-Schichten, um zeitliche Cluster (eines von $e^+$, eines von $^{14}$C) zu erkennen.

• C. Transformer-basiertes Modell:

  • Datenaufbereitung: Verwendet dieselben eindimensionalen Daten wie das 1D-CNN, behandelt sie jedoch als Sequenz von Vektoren.
  • Architektur: Die Daten werden zunächst in einer Faltungsschicht eingebettet (Embedding), gefolgt von einem Positions-Encoder und einem typischen Transformer-Encoder. Abschließend folgen vollvernetzte Schichten für die Ausgabe.
  • Ziel: Nutzung der Self-Attention-Mechanismen, um langreichweitige Abhängigkeiten in der zeitlichen Sequenz zu erfassen.

Alle Modelle wurden mit der Cross-Entropy-Verlustfunktion, dem Adam-Optimierer und einem One-Cycle-Learning-Rate-Scheduler trainiert.

3. Wichtige Ergebnisse

Die Leistung der Modelle wurde an Testdaten mit $e^+$-Energieen von 0 bis 5 MeV evaluiert.

• Allgemeine Trennschärfe: Alle Modelle erreichen eine Identifizierungseffizienz von 99 % für reine $e^+$-Ereignisse.
• Kritische Region (0–300 ns): Die größte Herausforderung liegt in der "Schlüsselregion", wo der Zeitabstand zwischen $^{14}$C und dem elektronischen Auslesen zwischen 0 und 300 ns liegt.
  • Das 2D-CNN zeigt in diesem Bereich eine suboptimale Effizienz.
  • Sowohl das 1D-CNN als auch das Transformer-Modell weisen in dieser kritischen Region eine signifikant höhere Identifizierungseffizienz auf.
• Vergleich 1D-CNN vs. Transformer: Beide Modelle liefern vergleichbare Ergebnisse, wobei das Transformer-Modell das Potenzial zeigt, komplexe zeitliche Muster effektiv zu lernen.
• Trainingszeit:
  • 1D-CNN: ~4 Minuten pro Epoche (schnellste).
  • Transformer: ~27 Minuten pro Epoche.
  • 2D-CNN: ~60 Minuten pro Epoche (langsamste).
• Fehleranalyse: Nicht erkannte Pile-up-Ereignisse stammen meist entweder aus Ereignissen mit sehr wenigen $^{14}$C-Hits (geringer Einfluss auf die Auflösung) oder aus Ereignissen, bei denen $^{14}$C und $e^+$ extrem nahe beieinander liegen (hoher Einfluss, aber schwer zu trennen).

4. Bedeutung und Beiträge

• Lösung eines kritischen Detektorproblems: Die Arbeit adressiert direkt eine der größten systematischen Unsicherheiten im JUNO-Experiment: die Verschlechterung der Energieauflösung durch $^{14}$C-Pile-up.
• Überlegenheit zeitbasierter Modelle: Die Studie zeigt eindeutig, dass Modelle, die die zeitliche Struktur der PMT-Hits nutzen (1D-CNN und Transformer), der rein räumlichen Betrachtung (2D-CNN) überlegen sind, insbesondere in den kritischen Zeitfenstern, die für die Energieauflösung entscheidend sind.
• Einführung von Transformern in der Hochenergiephysik: Die erfolgreiche Anwendung eines Transformer-Modells auf Detektordaten demonstriert das Potenzial moderner NLP-Architekturen für die Teilchenphysik.
• Praktische Anwendbarkeit: Da die 1D-CNN- und Transformer-Modelle eine hohe Effizienz bei akzeptablem Trainingsaufwand bieten, stellen sie vielversprechende Werkzeuge für die zukünftige Datenrekonstruktion im JUNO-Experiment dar.

5. Fazit

Die Identifizierung von Pile-up-Ereignissen ist ein essenzieller erster Schritt, um den negativen Einfluss von $^{14}$C auf die JUNO-Energieauflösung zu mitigieren. Die vorgestellten Deep-Learning-Ansätze, insbesondere die zeitbasierten 1D-CNN- und Transformer-Modelle, bieten eine robuste und effiziente Lösung für dieses Problem und tragen maßgeblich zur Realisierung des Ziels von JUNO bei, die Neutrinomassenhierarchie mit hoher Präzision zu bestimmen.