Instrument response generation using high-resolution 3D voxelization of GRBAlpha and VZLUSAT-2 satellites with MEGAlib

Resumen Técnico: Generación de la Respuesta de Instrumentos para GRBAlpha y VZLUSAT-2 mediante Voxelización 3D de Alta Resolución

Planteamiento del Problema
Las misiones Pathfinder CubeSat como GRBAlpha y VZLUSAT-2 han demostrado con éxito la capacidad de los detectores de centelleo con fotomultiplicadores de silicio (SiPM) para detectar brotes de rayos gamma (GRB) en órbita terrestre baja (LEO). Sin embargo, para realizar un análisis científico exhaustivo, se requieren matrices de respuesta de detector (DRM) precisas y caracterizaciones del área efectiva para diversas direcciones de incidencia. En los satélites pequeños, la respuesta del detector está fuertemente influenciada por las estructuras circundantes de la nave espacial (escudos, baterías, PCBs, paneles solares), lo que requiere simulaciones detalladas de modelos de masa. Aunque Geant4 ofrece una gran flexibilidad para estas simulaciones utilizando geometrías basadas en CAD, MEGAlib —un potente marco para la generación de la respuesta de detectores de rayos gamma— está limitado a descripciones de sólidos primitivos. Esto crea un cuello de botella: las geometrías complejas de la nave espacial deben aproximarse manualmente para MEGAlib, con el riesgo de perder propiedades críticas de blindaje y dispersión que dominan la respuesta del detector.

Metodología
Los autores desarrollaron un flujo de trabajo práctico para cerrar la brecha entre los modelos de naves espaciales complejos derivados de CAD y las geometrías compatibles con MEGAlib. El proceso consta de tres etapas principales:

1. Conversión de CAD a STL: Los modelos CAD completos se separan en componentes críticos y se exportan como archivos STL. Estos se procesan en Blender para verificar coordenadas, dimensiones y superposiciones correctas (priorizando el centellador de CsI).
2. Voxelización 3D: Las mallas STL se convierten en matrices 3D (voxels) utilizando una rutina de Python basada en un algoritmo de número de envoltura (winding number) rápido para la reparación de polígonos. Esto garantiza la estanqueidad a nivel de voxel. La resolución se elige para equilibrar la fidelidad de la masa (coincidiendo con los pesos proporcionados por el hardware dentro de un ~5%) frente al coste computacional.
3. Agrupación Codiciosa (Greedy Binning): Para gestionar el enorme número de voxels generados por los modelos de alta resolución, se aplica un algoritmo de "descomposición de extensión máxima codiciosa" (greedy maximal-extent decomposition). Este fusiona voxels llenos adyacentes en ladrillos (primitivos) más grandes y alineados con los ejes sin volver a visitar los voxels. Esto reduce la descripción de la geometría de millones de voxels a cientos de ladrillos, haciendo que los archivos sean manejables para MEGAlib mientras se preserva el volumen exacto y la composición del material.
4. Simulación y Construcción de DRM:
   • Validación con Geant4: Se realizó una simulación de referencia utilizando Geant4 (v10.7.1) con la biblioteca CADMesh para cargar los modelos STL originales.
   • Simulación con MEGAlib: Se realizaron simulaciones monoenergéticas para GRBAlpha y VZLUSAT-2 a través de múltiples ángulos de incidencia utilizando las geometrías voxelizadas/agrupadas.
   • Generación de Respuesta: Las energías depositadas se convirtieron a canales de detector mediante calibración lineal y emborronamiento gaussiano (FWHM = 6%). Se calcularon las áreas efectivas y se construyeron DRMs 2D, exportándolas como archivos FITS conformes con el estándar OGIP.

Contribuciones Clave

• Flujo de Trabajo de Voxelización y Agrupación Novedoso: El artículo introduce un método para convertir geometrías 3D complejas de CAD en formatos compatibles con MEGAlib mediante la voxelización de mallas STL y su compresión vía agrupación codiciosa. Esto permite la inclusión de estructuras de blindaje complejas que de otro modo serían imposibles de modelar manualmente en MEGAlib.
• Validación de MEGAlib para CubeSats: El estudio valida este flujo de trabajo comparando las respuestas derivadas de MEGAlib contra modelos de referencia de Geant4 para GRBAlpha, demostrando que el enfoque de voxelización puede reproducir con precisión las respuestas complejas de los detectores.
• Estrategia de Modelado Híbrido para Satélites Complejos: Para el más complejo VZLUSAT-2 de 3U, los autores demuestran un enfoque híbrido donde se aplica una voxelización de alta fidelidad a las estructuras adyacentes al detector, mientras que los componentes más simples se aproximan con formas primitivas. Esto equilibra la fidelidad de la respuesta con la eficiencia computacional.

Resultados

• Validación de GRBAlpha: Para el satélite GRBAlpha de 1U, el área efectiva derivada de MEGAlib concordó con la referencia de Geant4 dentro de aproximadamente un 10% en la banda de energía principal. Específicamente, para un ángulo de impacto frontal (90°, 180°), el análisis de distribución de residuos mostró una diferencia sistemática residual de alrededor del 3%, confirmando la validez de la configuración de simulación.
• Rendimiento de VZLUSAT-2: Aplicado al VZLUSAT-2 de 3U, el flujo de trabajo generó con éxito DRMs para nueve direcciones de incidencia.
  • El modelo "Voxel Optimizado" (alta fidelidad) sirvió como punto de referencia de precisión.
  • Se encontró que un modelo de "Geometría Simple" (formas primitivas) reproduce bien el comportamiento principal de la respuesta en la banda de energía principal, reduciendo el tiempo de computación por un factor de cuatro en comparación con el modelo de voxel optimizado.
  • Para un ángulo representativo (118°, 240°), el modelo simplificado mostró diferencias sistemáticas de ~4.5% (Det0) y ~5.8% (Det1) en comparación con el modelo de voxel optimizado, lo cual los autores consideran aceptable para campañas de simulación multi-ángulo.
• Eficiencia Computacional: La agrupación codiciosa redujo significamente el uso de memoria (por ejemplo, de ~3200 kB para el voxel de alta resolución a ~350 kB para la geometría simple en VZLUSAT-2), permitiendo la generación de conjuntos de respuesta sobre muchas direcciones de incidencia.

Significancia
El artículo afirma establecer un marco de generación de respuesta que es suficientemente preciso para su uso práctico y lo suficientemente flexible como para apoyar futuros análisis de constelaciones, específicamente la misión CAMELOT. Al automatizar la conversión de modelos de masa complejos de naves espaciales en geometrías compatibles con MEGAlib, los autores permiten la generación de DRMs multi-ángulo para satélites que son demasiado complejos para ser modelados manualmente con sólidos primitivos. Este flujo de trabajo proporciona un camino reproducible desde los modelos CAD hasta los archivos de respuesta derivados de simulaciones, facilitando la interpretación cuantitativa de los datos observacionales de las misiones de CubeSats de rayos gamma. Los autores señalan que el trabajo futuro implicará aumentar el muestreo angular y extender este flujo de trabajo a satélites adicionales de CAMELOT.