Seven-dimensional Trajectory Reconstruction for VAMOS++

Résumé Technique : Reconstruction de trajectoire septidimensionnelle pour VAMOS++

Énoncé du Problème
Le spectromètre magnétique VAMOS++ est un outil critique pour l'identification isotopique dans la recherche sur la structure nucléaire et les mécanismes de réaction près de la barrière de Coulomb. Son fonctionnement repose sur la mesure de la rigidité magnétique ($B\rho$) et de la longueur de trajectoire ($l$) des ions. Les méthodes de reconstruction de trajectoire standard, telles que la technique de cartographie en quatre dimensions (4D) établie, supposent un volume d'interaction de faisceau ponctuel. Cette hypothèse est valable pour les expériences utilisant des cibles minces avec des taches de faisceau étroites. Cependant, cette approche devient une limitation significative pour les expériences impliquant de grandes tailles de taches de faisceau ou des volumes de cibles gazeuses étendus, comme ceux prévus pour l'étude de la dynamique de fission. Dans ces scénarios, la position tridimensionnelle du point d'interaction du faisceau au sein de la cible ne peut être négligée, car les variations des coordonnées d'interaction (particulièrement la position horizontale $x_i$) induisent des aberrations optiques substantielles et des changements de longueur de trajectoire que la méthode 4D ne peut pas résoudre de manière adéquate. L'extension de la méthode matricielle 4D pour inclure ces dimensions supplémentaires est informatiquement irréalisable en raison de la taille excessive des matrices requises.

Méthodologie
Pour traiter la nature haute dimensionnelle et non linéaire de l'optique ionique de VAMOS++, les auteurs ont développé une méthode de reconstruction de trajectoire en sept dimensions (7D) utilisant des réseaux de neurones profonds artificiels (DNN).

• Entrée et Sortie : Le DNN prend sept coordonnées d'entrée : la position d'interaction du faisceau à l'intérieur du volume de la cible ($x_i, y_i, z_i$), les angles horizontal et vertical des produits de réaction sortants ($\theta_i, \phi_i$), et la position horizontale et l'angle finaux au plan focal ($x_f, \theta_f$). Le réseau produit la rigidité magnétique relative ($\delta = B\rho/B\rho_0$) et la longueur de trajectoire relative ($\epsilon = l_f/l_0$).
• Jeu de Données d'Entraînement : Le réseau a été entraîné sur un jeu de données théoriques de $2 \times 10^8$ trajectoires d'ions générées à l'aide du code de lancer de rayons magnétiques standard ZGOUBI. Le jeu de données couvrait toute la plage opérationnelle du spectromètre, incluant des rigidités relatives $\delta \in [0.7, 1.4]$ et des volumes d'interaction définis par $x_b \in [-3, 3]$ mm, $y_b \in [-6, 6]$ mm, et $z_b \in [-70, 50]$ mm.
• Architecture du Réseau : Une architecture de réseau neuronal profond à propagation avant (feed-forward) dense a été sélectionnée. À travers une évaluation de la complexité par rapport à la performance, l'architecture optimale a été déterminée comme étant $N_l \times N_u = 6 \times 32$ (6 couches avec 32 neurones chacune), résultant en environ 5 569 paramètres entraînables. Cette architecture a été choisie pour équilibrer la résolution et l'efficacité computationnelle.
• Flux de Travail d'Entraînement : Le processus d'entraînement impliquait la surveillance de l'écart quadratique moyen (RMSD) pour $\delta$ et $\epsilon$. Le réseau a été validé par rapport à des données expérimentales de cibles minces pour s'assurer que la largeur à mi-hauteur (FWHM) du nombre de masse atomique ($A$) reconstruit était optimisée. L'entraînement a été interrompu lorsque la convergence supplémentaire ne produisait plus d'améliorations expérimentales, évitant ainsi le surapprentissage (overfitting).

Contributions Clés

1. Développement de la Reconstruction 7D : L'article présente une nouvelle méthode capable de gérer le problème non linéaire à sept dimensions de la reconstruction de trajectoire ionique, en incorporant explicitement les coordonnées d'interaction 3D du faisceau.
2. Implémentation de l'Apprentissage Profond : Il démontre l'efficacité des réseaux de neurones profonds pour modéliser l'optique ionique complexe et non linéaire là où les méthodes matricielles traditionnelles échouent en raison des contraintes de dimensionnalité.
3. Efficacité : La méthode 7DNN proposée atteint une vitesse de traitement de $1.4 \times 10^6$ événements par seconde avec une empreinte mémoire d'environ 22 kB, ce qui la rend adaptée tant pour l'analyse en ligne qu'hors ligne. Il s'agit d'une réduction significative de l'utilisation de la mémoire par rapport à la méthode 4D, qui nécessite environ 1 Go pour ses matrices compressées.

Résultats

• Précision Intrinsèque : Appliquée au jeu de données théoriques complet généré par ZGOUBI, la méthode a atteint une précision de reconstruction intrinsèque de FWHM($\delta_c - \delta_r$) = 0,65 ‰ et FWHM($\epsilon_c - \epsilon_r$) = 0,18 ‰. La précision est restée constante à travers diverses coordonnées d'interaction ($x_i, z_i$) et paramètres de plan focal ($x_f, \theta_f$).
• Validation Expérimentale : La méthode a été validée à l'aide de données expérimentales de l'expérience E826 GANIL (réactions de fusion-fission sur cible mince). La résolution du nombre de masse atomique reconstruit, FWHM($A$)/$A$, variait de 4 ‰ pour les fragments de fission lourds à 7 ‰ pour les fragments légers.
• Comparaison avec la Méthode 4D : Lors de la validation expérimentale, la méthode 7DNN a démontré des performances comparables à la méthode 4D standard pour les fragments de fission légers et un léger avantage pour les fragments de fission lourds.
• Impact de la Résolution des Détecteurs : Les simulations ont indiqué que bien que la résolution intrinsèque du DNN soit élevée, la résolution de masse finale est dominée par les résolutions des détecteurs, particulièrement le temps de vol ($t$) et les angles horizontaux ($\theta_i, \theta_f$). Lorsque toutes les résolutions de détecteurs ont été incluses dans la simulation, les valeurs FWHM($A$)/$A$ prédites (6,32 ‰ pour $A=80$ et 4,17 ‰ pour $A=160$) correspondaient étroitement aux résultats expérimentaux.

Signification et Perspectives
L'article affirme que la méthode 7DNN représente une avancée significative pour VAMOS++, offrant une résolution comparable ou supérieure aux méthodes précédemment employées tout en permettant l'analyse d'expériences avec des volumes d'interaction étendus. Les auteurs soulignent que cette capacité est essentielle pour les programmes à venir utilisant des cibles gazeuses volumineuses, où l'axe optique du spectromètre sera pivoté par rapport à l'axe du faisceau, nécessitant l'inclusion explicite des coordonnées d'interaction 3D. De plus, la vitesse et l'efficacité du modèle suggèrent son utilité pour les simulations rapides de transmission d'ions, facilitant potentiellement le développement d'un « jumeau numérique » du spectromètre pour aider aux déterminations de sections efficaces absolues et aux mesures de rendement de fission. Les auteurs insistent sur le fait que la méthode est spécifiquement conçue pour surmonter les limitations des hypothèses de faisceaux ponctuels dans les spectromètres à large acceptation.