⚛️ high-energy experiments

Reconstructing High-Fidelity Light Yield Maps for Surface LArTPCs Using Crossing Cosmic Muons

Este artículo presenta un método para reconstruir mapas de rendimiento lumínico 3D voxelizados de alta fidelidad en cámaras de proyección temporal de argón líquido superficiales mediante la utilización de muones cósmicos de cruce y la resolución de un problema inverso regularizado, lo que mejora significativamente la precisión espacial y la estabilidad en comparación con los promedios de todo el detector.

Autores originales: Alex Heindel, Wei Shi, Angelo Ralaikoto, Shuaixiang Zhang, Laura Paulucci, Franciole Marinho, Maressa Pimenta Sampaio, Sanskar Jain

Publicado 2026-08-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Alex Heindel, Wei Shi, Angelo Ralaikoto, Shuaixiang Zhang, Laura Paulucci, Franciole Marinho, Maressa Pimenta Sampaio, Sanskar Jain

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En lo profundo del subsuelo, los físicos están construyendo enormes tanques llenos de argón líquido, una sustancia tan fría como el espacio profundo, para captar las tenues señales de los neutrinos. Estas partículas fantasmales, que atraviesan la Tierra casi sin interactuar, son clave para comprender las fuerzas más fundamentales del universo. Cuando un neutrino colisiona con un átomo dentro del tanque, crea un destello de luz y un rastro de carga eléctrica. Los científicos utilizan la carga eléctrica para ver exactamente dónde ocurrió la colisión, pero la luz ofrece una segunda y poderosa forma de medir la energía del evento. Para convertir ese destello de luz en una medición precisa de la energía, los investigadores necesitan saber exactamente qué tan brillante es la luz en cada punto dentro del tanque. Si la luz es más tenue en una esquina que en otra, un cálculo de promedio simple daría una respuesta errónea para cualquier evento que ocurra en esa esquina. El desafío es que la luz no brilla de manera uniforme; se desvanece a medida que viaja y es captada más fácilmente cerca de los sensores que lejos de ellos.

Un equipo de investigadores ha desarrollado una nueva forma de mapear esta luminosidad desigual, creando una imagen tridimensional detallada de cuánta luz ve el detector en cada ubicación. Probaron su método utilizando una simulación por computadora de un detector real y de gran escala llamado ProtoDUNE-VD, el cual es un prototipo para un experimento mucho mayor que se está construyendo en las profundidades de Dakota del Sur. En lugar de usar una fuente de luz especial para medir el tanque, utilizaron la lluvia natural de rayos cósmicos que bombardea constantemente la Tierra. Estos son partículas de alta energía provenientes del espacio, principalmente muones, que pasan directamente a través del detector como agujas a través de un bloque de queso. A medida que estos muones viajan, dejan un rastro de luz y carga. Al rastrear la trayectoria de miles de estos muones y contar cuánta luz produjeron en el camino, los investigadores pudieron trabajar hacia atrás para determinar la luminosidad del detector en cada punto que los muones cruzaron.

El proceso es como resolver un rompecabezas gigante donde las piezas son las trayectorias de los muones y la imagen es el mapa de la luz. Cada muón viaja a través de muchas secciones pequeñas del tanque, llamadas vóxeles. Los investigadores sabían cuánta energía pierde un muón a medida que se mueve a través del argón líquido, por lo que pudieron calcular cuánta luz debería haberse creado en cada sección que cruzó. Luego, compararon esta cantidad esperada con la cantidad real de luz que los sensores registraron. Al combinar los datos de decenas de miles de muones, construyeron un sistema masivo de ecuaciones que les permitió resolver la luminosidad desconocida de cada vóxel. Para asegurar que el resultado fuera físicamente posible, añadieron una regla que establecía que la luminosidad nunca podría ser negativa. También añadieron una regla de suavizado para evitar que el mapa tuviera picos o caídas salvajes e irreales de luminosidad, asegurando que la imagen final pareciera un campo de luz natural y continuo en lugar de un desorden ruidoso y dentado.

Cuando compararon su nuevo mapa con un modelo computacional altamente preciso de cómo debería comportarse el detector, los resultados fueron sorprendentes. El mapa que construyeron a partir de las trayectorias de los muones recuperó con éxito las características principales de la respuesta de luz del detector. Mostró correctamente que la luz es más brillante cerca de los sensores y más tenue en el medio del tanque. El método fue lo suficientemente sensible como para notar cuando los investigadores cambiaban la configuración de los sensores en la simulación, como al eliminar un grupo de detectores de luz de la parte inferior del tanque; el nuevo mapa mostró inmediatamente una caída en la luminosidad en esa área específica. Los investigadores encontraron que el uso de la regla de suavizado hacía que el mapa fuera mucho más preciso. Sin ella, el mapa estaba lleno de errores aleatorios y espacios vacíos donde el cálculo no había logrado encontrar un valor. Con el suavizado, los errores disminuyeron casi a la mitad, y el mapa se asemejaba mucho más al comportamiento real y esperado del detector.

Este trabajo demuestra que los científicos pueden utilizar el flujo natural de rayos cósmicos para calibrar los sensores de luz en estos detectores masivos sin necesidad de instalar fuentes de luz artificiales complejas dentro del tanque. Aunque el estudio se realizó enteramente en una simulación por computadora, el método está diseñado para aplicarse a datos reales de detectores en la superficie de la Tierra, donde los muones cósmicos son abundantes. Los investigadores demostraron que su técnica puede manejar diferentes tamaños de secciones de mapa y diferentes números de trayectorias de muones, encontrando que unas pocas decenas de miles de muones son suficientes para crear un mapa estable y confiable. Este enfoque ofrece una forma práctica de asegurar que los futuros experimentos de neutrinos puedan medir la energía de las colisiones de partículas con alta precisión, convirtiendo la lluvia caótica de rayos cósmicos en una herramienta precisa para mapear la luz invisible dentro de los tanques de argón líquido más grandes del mundo.

Resumen Técnico: Reconstrucción de Mapas de Rendimiento Lumínico de Alta Fidelidad para LArTPCs de Superficie Mediante Muones Cósmicos Cruzantes

Planteamiento del Problema
Los sistemas de detección de fotones (PDS) en Cámaras de Proyección Temporal de Argón Líquido (LArTPCs) proporcionan información crítica de luz de centelleo instantánea para el disparo (triggering), la temporización, la calorimetría y la reconstrucción de interacciones. Sin embargo, la aplicación precisa de estos datos requiere una comprensión detallada de la dependencia espacial del rendimiento lumínico (LY, por sus siglas en inglés). Las caracterizaciones actuales suelen depender de un promedio único para todo el detector (por ejemplo, 18 PE/MeV), lo que no logra capturar las significativas no uniformidades espaciales causadas por la geometría del detector, la ubicación de los detectores de fotones y las propiedades ópticas. Si bien trabajos previos han demostrado la calorimetría aumentada por luz, no se ha establecido plenamente un método para reconstruir mapas de LY 3D voxelizados de alta fidelidad utilizando datos disponibles fácilmente en detectores de superficie (específicamente, muones cósmicos cruzantes).

Metodología
Los autores presentan una técnica para reconstruir mapas de LY 3D utilizando muones cósmicos de alta energía que atraviesan LArTPCs de superficie. El método trata la reconstrucción como un problema inverso resuelto mediante álgebra lineal:

Trayectoria y Voxelización: El volumen del detector se discretiza en una cuadrícula de voxels. Para cada evento de muon seleccionado, la trayectoria se aproxima como una línea recta (derivada de paneles de Rastreadores de Rayos Cósmicos o de la reconstrucción de carga del TPC). Se calcula la longitud del camino ( $d_i$ ) del muón a través de cada voxel utilizando el algoritmo de recorte de líneas de Liang-Barsky.
Formulación del Sistema Lineal: Los muones se aproximan como Partículas Ionizantes Mínimas (MIPs) con una deposición de energía estándar de 2.1 MeV/cm en argón líquido. La energía total depositada en un voxel es $E_i = P_i \times d_i \times 2.1$ , donde $P_i$ es el LY desconocido (en PE/MeV). La suma de los fotoelectrones detectados en todos los canales para un solo evento forma una ecuación lineal: $\sum (P_i \cdot d_i \cdot 2.1) = \text{Total de Fotones Detectados}$ .
Resolución del Problema Inverso: La agregación de muchos eventos crea un sistema lineal sobredeterminado $Ax = b$ $A x = b$ , donde $x$ $x$ representa los valores de LY de los voxels.
- Restricciones: El problema se resuelve como un problema de Mínimos Cuadrados No Negativos (NNLS) para asegurar valores de LY físicos (no negativos).
- Regularización: Para abordar las restricciones débiles en regiones con cobertura de trazas dispersa y para suprimir fluctuaciones localizadas no físicas, se añade una penalización de suavidad $L_2$ . Esta penaliza las grandes diferencias entre los valores de los voxels vecinos sin desplazar la normalización del promedio general del detector.
- Solucionadores (Solvers): El estudio compara dos implementaciones de SciPy: scipy.optimize.nnls (conjunto activo de Lawson-Hanson) y scipy.optimize.lsq_linear (reflexivo de región de confianza). Este último es preferido para mapas de alta resolución ya que admite matrices dispersas (sparse), mitigando las restricciones de memoria asociadas con las matrices densas en grandes cuadrículas de voxels.

Estudio de Simulación
El método fue validado utilizando la geometría del detector ProtoDUNE-VD y el marco de simulación (LArSoft/Geant4).

Referencia de Verdad (Truth Reference): Se generó un mapa de LY de "verdad" de forma independiente utilizando un cálculo basado en visibilidad (combinando el rendimiento de centelleo, la visibilidad de fotones de un modelo óptico rápido 1D de Genn y la eficiencia del detector) para servir como punto de referencia.
Muestra de Datos: Se utilizaron 60,000 muones cruzantes simulados con energías cinéticas entre 6–7 GeV para construir el sistema lineal.

Resultados Clave

Precisión de la Reconstrucción: Los mapas reconstruidos recuperaron con éxito la estructura espacial dominante de la referencia de verdad, identificando correctamente las regiones de LY mejorado cerca de los detectores de fotones y las regiones de respuesta reducida en zonas distantes.
Impacto de la Regularización:
- Reducción del RMSE: La regularización de suavidad reduce el Error Cuadrático Medio (RMSE) por voxel respecto a la referencia de verdad en aproximadamente un 44% (de ~23.2 PE/MeV a ~12.9 PE/MeV).
- Mitigación de la Dispersión (Sparsity): Las soluciones no regularizadas exhiben una dispersión significativa (muchos voxels forzados a valores cero o cercanos a cero) y grandes fluctuaciones locales, particularmente en resoluciones más altas. La regularización acopla eficazmente los voxels vecinos, eliminando estos artefactos mientras preserva la estructura espacial global.
- Estabilidad de la Normalización: La media del volumen del detector permanece esencialmente inalterada por la restricción de suavidad; la regularización preserva el promedio de LY del detector de la solución no regularizada (por ejemplo, ~~23.9 PE/MeV con PMTs), aunque este promedio no regularizado difiere de la verdad de referencia (~~19.5 PE/MeV) en aproximadamente un 23%.
Convergencia: La reconstrucción converge a un valor de LY promedio del detector estable a medida que aumentan las estadísticas de eventos. Para la geometría estudiada, el rendimiento lumínico promedio del detector está dentro de un 2% del valor final con 25,000 eventos, dentro de un 1% con 35,000 eventos y dentro de un 0.5% con 45,000 eventos.
Sensibilidad a la Geometría: El método demuestra sensibilidad a la configuración del detector. Cuando se eliminaron las contribuciones de los PMT de la entrada de la simulación, el mapa reconstruido reflejó correctamente el LY reducido en la región inferior del detector, confirmando la capacidad del método para mapear configuraciones ópticas específicas.
Comparación de Solucionadores: Los solucionadores nnls y lsq_linear produjeron resultados casi idénticos (diferencia de residuo normalizado $\sim 10^{-7}$ ), validando que la reconstrucción no es un artefacto del solucionador numérico.

Significado y Reivindicaciones
El artículo afirma que este método proporciona un enfoque robusto y basado en datos para generar mapas de rendimiento lumínico 3D de alta fidelidad para LArTPCs de superficie sin requerir fuentes de calibración externas. Al aprovechar el flujo inevitable de muones cósmicos, la técnica permite:

Calibración Espacial: Ir más allá de los promedios de todo el detector para dar cuenta de las no uniformidades espaciales en la recolección de luz.
Mejora de la Calorimetría: Proporcionar los mapas de LY espacial necesarios para mejorar la calorimetría aumentada por luz y la resolución temporal en experimentos futuros como SBND y DUNE.
Flexibilidad: El marco es adaptable a diferentes entradas de reconstrucción de trazas (líneas rectas vs. trazas segmentadas) y diversas configuraciones de detectores de fotones.

Los autores enfatizan que, si bien el método depende de las aproximaciones de línea recta para las trazas de los muones, es totalmente compatible con trazas más complejas reconstruidas por carga. El trabajo sirve como una estrategia de calibración complementaria a los esfuerzos actuales de fuentes de neutrones pulsados, apuntando específicamente al mapeo espacial de la respuesta óptica en detectores de gran volumen.

Más como este