Event-Level Voxel Reconstruction in Two-Photon Absorption Scans Using Pixel-Overlap Selection in Timepix3

Diese Arbeit stellt ein Rekonstruktionsframework vor, das mittels einer pixelüberlappungsbasierten Ereignisdefinition und einer ladungsbasierten Zeitabschätzung die voxelgenaue Rekonstruktion von Zwei-Photonen-Absorptionsscans in Timepix3-Detektoren ohne externe Synchronisation ermöglicht und dabei systematische Verzerrungen herkömmlicher Methoden vermeidet.

Das Wesentliche

Stell dir vor, du möchtest das Innere eines riesigen, komplexen Gebäudes (eines Silizium-Detektors) genau vermessen, ohne es zu zerstören. Du benutzt dafür einen extrem präzisen Laser, der wie ein winziger, unsichtbarer Stift funktioniert. Wenn dieser Laser auf das Material trifft, erzeugt er winzige elektrische Funken (Ladungsträger). Das ist die Grundidee der Zwei-Photonen-Absorption (TPA).

Das Problem ist jedoch: Unser "Gebäude" besteht aus Millionen winziger Kacheln (Pixel). Wenn der Laser einen Funken erzeugt, breitet sich dieser nicht nur auf einer einzigen Kachel aus, sondern springt wie ein kleiner Wasserfleck auf mehrere benachbarte Kacheln über.

Hier kommt die Herausforderung ins Spiel, die Tianqi Gao in dieser Arbeit löst:

1. Das Problem: Der "Wackelnde" Laser und die "Verschmierten" Funken

Stell dir vor, du machst ein Foto von einem Objekt, das sich schnell bewegt, aber deine Kamera hat keinen Auslöser, der mit dem Blitz synchronisiert ist. Du hast nur einen endlosen Film von Bildern, auf denen man sieht, dass irgendwo ein Licht aufleuchtet, aber du weißt nicht genau, wann genau der Blitz losging oder wo genau er war, weil das Licht auf mehrere Pixel gleichzeitig gefallen ist.

In der Wissenschaft gibt es zwei große Schwierigkeiten:

• Der "Fleck"-Effekt: Ein einziger Laser-Punkt erzeugt immer einen ganzen "Fleck" aus aktiven Pixeln, nicht nur einen. Wo genau war der Mittelpunkt?
• Der "Ohne-Uhr"-Effekt: Der Laser feuert los, aber die Kamera (der Detektor) hat keine externe Uhr, die sagt: "Jetzt war der Blitz!" Sie zeichnet einfach nur auf, wann etwas passiert ist.

Frühere Methoden versuchten, das Problem zu lösen, indem sie den "Schwerpunkt" (den Mittelpunkt) des Flecks berechneten oder den allerersten Pixel nahmen, der funkte. Das ist aber wie der Versuch, den Mittelpunkt eines regnerischen Pfützen zu finden, indem man nur den Rand betrachtet – das Ergebnis ist oft verzerrt und ungenau.

2. Die Lösung: Ein cleveres "Such- und Find-Spiel"

Tianqi Gao hat eine neue Methode entwickelt, die wie ein sehr kluger Detektiv vorgeht. Hier ist die Erklärung in einfachen Schritten:

Schritt A: Das "Fenster" (Region of Interest)

Stell dir vor, du legst eine kleine quadratische Schablone (ein Fenster) auf das Bild. Du sagst: "Alles, was durch dieses Fenster ragt, ist interessant."

• Die alte Methode: Sie sagte: "Nur wenn der Mittelpunkt des Flecks genau im Fenster ist, nehme ich ihn mit." Das war schlecht, denn wenn der Fleck etwas schief lag, wurde er verworfen.
• Die neue Methode (Pixel-Overlap): Sie sagt: "Wenn auch nur ein einziges Pixel des Flecks das Fenster berührt, nehme ich den ganzen Fleck mit." So gehen keine Daten verloren.

Schritt B: Der "Hauptakteur" (Timing-Strategie)

Jetzt müssen wir wissen, wann genau dieser Funke entstanden ist. Da alle Pixel im Fleck fast gleichzeitig feuern, welcher sagt uns die richtige Zeit?

• Die alte Methode: Sie schaute auf den Pixel, der zuerst feuerte. Das Problem: Oft ist der erste Pixel am Rand des Flecks und wird durch Rauschen oder kleine Schwankungen früher ausgelöst. Das ist wie ein Läufer, der schon startet, bevor das Startsignal gegeben wurde – das Ergebnis ist falsch.
• Die neue Methode (Highest-ToT): Sie schaut auf den Pixel, der die meiste Ladung (den stärksten "Schlag") empfangen hat.
  • Die Analogie: Stell dir vor, du wirfst einen Stein in einen Teich. Die Wellen breiten sich aus. Der Punkt, an dem das Wasser am höchsten spritzt (die größte Ladung), ist genau dort, wo der Stein ins Wasser fiel. Die Wellen am Rand kommen später an oder sind kleiner.
  • Der Pixel mit der stärksten Ladung ist also der beste Zeuge für den Ort und die Zeit des Aufpralls.

Schritt C: Die "Zeitreise" ohne Uhr (Dwell-Reconstruction)

Da wir keine externe Uhr haben, müssen wir die Zeit aus dem Datenstrom selbst rekonstruieren.

• Die Analogie: Stell dir vor, du hörst eine Reihe von Tropfen, die in eine Pfütze fallen. Du hast keine Stoppuhr. Aber du merkst: "Aha, diese Tropfen fallen sehr schnell hintereinander (alle 10 Millisekunden), dann eine Pause, dann wieder schnell hintereinander."
• Die Methode erkennt diese Pausen automatisch. Sie sagt: "Diese Gruppe von Tropfen gehört zu einem Ort, diese nächste Gruppe zu einem anderen Ort." So kann sie die Struktur des Scans (wo der Laser stand und wie lange er dort war) komplett blind aus den Daten ablesen.

Warum ist das wichtig?

Diese Methode ist wie ein neuer, super-preciser Kompass für Wissenschaftler.

1. Keine Verzerrung: Sie vermeidet die systematischen Fehler, die bei alten Methoden auftraten (wie das Verschieben des Ortes durch Randeffekte).
2. Robustheit: Sie funktioniert auch dann, wenn der Laser nicht perfekt synchronisiert ist oder wenn die Daten "unordentlich" sind.
3. Anwendung: Damit können Wissenschaftler jetzt viel genauer sehen, wie sich elektrische Felder in Silizium-Chips verhalten. Das ist wichtig für die Entwicklung besserer Sensoren in Teilchenbeschleunigern, medizinischen Geräten oder zukünftigen Computern.

Zusammenfassend:
Statt zu raten, wo der Laser genau war und wann er feuerte, indem man den "Durchschnitt" nimmt oder auf den "schnellsten" Pixel schaut, schaut diese neue Methode auf den "stärksten" Pixel und nimmt jeden Fleck mit, der auch nur ein bisschen ins Zielgebiet ragt. So wird aus einem chaotischen Datenstrom ein scharfes, dreidimensionales Bild des Inneren des Detektors.

Technische Zusammenfassung

Titel:

Ereignisbasierte Voxel-Rekonstruktion in Zwei-Photonen-Absorptions-Scans unter Verwendung von Pixel-Überlappungsselektion in Timepix3

1. Problemstellung

Die Charakterisierung von Siliziumdetektoren für die Hochenergiephysik erfordert zunehmend ein detailliertes Verständnis des Ladungstransports und der elektrischen Feldverteilung im Mikrometerbereich. Die Zwei-Photonen-Absorptions-Transient-Strom-Technik (TPA-TCT) ermöglicht zwar eine echte 3D-Räumliche Auflösung durch die Erzeugung von Ladungsträgern in einem fokussierten Volumen, stößt jedoch bei der Anwendung auf pixelierte Detektoren (wie Timepix3) auf zwei wesentliche Herausforderungen:

1. Clusterbildung: Eine einzelne TPA-Anregung erzeugt nicht nur ein Signal in einem Pixel, sondern einen Cluster aus mehreren aktivierten Pixeln aufgrund der Diffusion und des Drifts der Ladungsträger. Die räumliche Herkunft der Anregung lässt sich nicht direkt einem einzelnen Pixel zuordnen.
2. Fehlende Synchronisation: In asynchronen oder triggerlosen Leseout-Systemen (wie Timepix3) sind die Detektordaten nicht mit den Laserpulsen synchronisiert. Es gibt keine externen Trigger, um die zeitliche Struktur des Scans (z. B. Verweilzeiten oder "Dwell"-Intervalle) direkt zu bestimmen.

Herkömmliche Methoden, wie die Schwerpunkt-basierte Selektion (Centroid) oder die Verwendung des frühesten Ankunftszeitpunkts (Earliest-ToA), führen in diesen Szenarien zu systematischen räumlichen Verzerrungen, insbesondere wenn die Anregung nicht zentriert ist oder eine signifikante Ladungsaufteilung (Charge Sharing) vorliegt.

2. Methodik

Das Paper stellt einen Rekonstruktionsrahmen vor, der auf kontinuierlichen, unsynchronisierten Daten operiert und die folgenden Kernschritte umfasst:

• Ereignisdefinition durch Pixel-Überlappung (Pixel-Overlap Selection):
  Anstatt zu verlangen, dass der Schwerpunkt des Clusters innerhalb eines Bereichs von Interesse (ROI) liegt, wird ein TPA-Ereignis als gültig definiert, wenn mindestens ein Pixel des Clusters den ROI schneidet. Dies stellt sicher, dass alle relevanten Clusterinformationen erhalten bleiben, auch wenn der Cluster asymmetrisch ist oder teilweise außerhalb des ROI liegt.

• Rekonstruktion der Verweilstruktur (Dwell Reconstruction):
  Da keine externen Trigger vorhanden sind, wird die zeitliche Struktur des Scans direkt aus dem Datenstrom rekonstruiert. Ereignisse werden basierend auf ihrem zeitlichen Abstand gruppiert. Ein Schwellenwert $\Delta t_{gap}$ definiert, ob aufeinanderfolgende Ereignisse zum selben "Dwell"-Intervall (feste Laserposition) gehören. Dies ermöglicht die "blinde" Rekonstruktion der Scan-Struktur.

• Cluster-Level Timing-Schätzer (Highest-ToT):
  Um einen stabilen Zeitstempel für das gesamte Ereignis zu bestimmen, wird nicht der früheste Ankunftszeitpunkt (ToA) verwendet, sondern das Pixel mit dem höchsten Time-over-Threshold (ToT) innerhalb des ROI.

  • Begründung: Das Pixel mit der höchsten Ladungsdeposition liegt physikalisch am nächsten zum Anregungspunkt.
  • Vorteil: Der früheste ToA ist anfällig für Rauschen und Randeffekte (da Ladung an die Peripherie diffundiert), während das höchst-ToT-Pixel eine stabilere und physikalisch fundierte Referenz für die räumliche Mitte der Ladungsdeposition bietet.

• Voxel-Zuweisung:
  Durch die Kombination der gruppierten Dwell-Intervalle (die die Tiefe $z$ definieren) und der räumlichen Koordinaten des Clusters wird eine vollständige 3D-Voxel-Zuordnung $(x, y, z) \to t_{event}$ erstellt.

3. Wichtige Beiträge

• Robuste Ereignisselektion: Die Einführung der Pixel-Überlappungs-Kriterien eliminiert systematische Verzerrungen, die durch die Ablehnung von Clustern entstehen, deren Schwerpunkt den ROI verlässt.
• Triggerlose Rekonstruktion: Der Rahmen ermöglicht die vollständige Rekonstruktion von Scan-Strukturen und Ereigniszeitpunkten ohne externe Synchronisation, was für moderne, hochratige, triggerlose Detektorsysteme entscheidend ist.
• Physikalisch fundierter Timing-Schätzer: Der Nachweis, dass das "Highest-ToT"-Pixel ein überlegener Zeitmarker ist im Vergleich zum "Earliest-ToA"-Pixel, da es die räumliche Mitte der Ladungsdeposition präziser widerspiegelt.

4. Ergebnisse und Validierung

Die Validierung der Methode zeigt deutliche Unterschiede zu herkömmlichen Ansätzen:

• Räumliche Verzerrung: Die Analyse der räumlichen Verteilung zeigt, dass die "Earliest-ToA"-Methode systematisch zur Peripherie des Clusters verschoben ist. Dies liegt an der Ausbreitung der Ladung zu Randpixeln und der Empfindlichkeit des ToA gegenüber Schwellenwertfluktuationen.
• Stabilität: Die "Highest-ToT"-Methode liefert eine lokalisierte und konsistente Verteilung, die der erwarteten Ladungsdeposition entspricht.
• Diskrepanz: Die räumliche Trennung zwischen den von den beiden Methoden ausgewählten Pixeln ist signifikant, was belegt, dass herkömmliche Methoden in pixelierten Detektoren unzuverlässig sind.

5. Bedeutung und Ausblick

Dieser Rahmen bietet eine allgemeine und robuste Methode zur Analyse von TPA-Daten in segmentierten Detektoren.

• Anwendbarkeit: Die Methode ist nicht auf die spezifische untersuchte Konfiguration beschränkt, sondern gilt für jede pixelierte Detektorarchitektur, bei der lokale Anregungen zu räumlich ausgedehnten Clustern führen.
• Zukünftige Anwendungen: Sie bildet die Grundlage für präzise Messungen von elektrischen Feldverteilungen, Ladungstransporteigenschaften und der Effizienz der Ladungssammlung in Siliziumsensoren.
• Relevanz: Besonders wichtig ist die Fähigkeit, in triggerlosen Modi zu arbeiten, was für moderne Hochgeschwindigkeits-Detektorsysteme in der Hochenergiephysik essenziell ist.

Zusammenfassend löst das vorgestellte Framework die Ambiguitäten bei der Zuordnung von Signalen zu den zugrunde liegenden Voxel der Ladungserzeugung und ermöglicht so eine präzise, voxel-aufgelöste Charakterisierung von Halbleiterdetektoren.