Transformer-Based Approach to Enhance Positron Tracking Performance in MEG II

Résumé technique : Approche basée sur les Transformers pour améliorer les performances de suivi des positrons dans MEG II

Énoncé du problème
L'expérience MEG II recherche la désintégration de violation de saveur de lepton chargé $\mu \to e\gamma$. Un goulot d'étranglement critique pour atteindre la sensibilité cible de l'expérience ($6 \times 10^{-14}$) est la performance du spectromètre de positrons sous des conditions de pileup élevé. Le spectromètre utilise une chambre à dérive cylindrique (CDCH) où l'occupation des impacts (hits) atteint 35–50 % au taux de l'arrêt de muons cible de $5 \times 10^7 \mu/s$. L'algorithme de reconstruction conventionnel, qui repose sur la reconnaissance de formes locales pour connecter les impacts proches, souffre d'une inefficacité lors de l'étape de recherche de trajectoire en raison de la contamination par les impacts de pileup. Cette inefficacité force l'expérience à fonctionner à un taux d'arrêt de muons réduit ($4 \times 10^7 \mu/s$) afin de maintenir une efficacité de suivi acceptable, limitant ainsi le nombre total de désintégrations de muons mesurables.

Méthodologie
Pour remédier aux limites de la reconnaissance de formes locale, les auteurs ont développé un modèle d'apprentissage automatique basé sur les Transformers, conçu comme un classificateur d'impacts. Le concept central exploite les corrélations globales entre les impacts à travers différents segments de rotation de la trajectoire du positron, plutôt que de se fier uniquement à la proximité locale.

• Architecture du modèle : Le modèle utilise une architecture Transformer avec deux blocs d'attention distincts : un pour les impacts du compteur de temps pixélisé (pTC) et un pour les impacts de la CDCH.
  • Entrées : Le modèle prend en entrée les impacts du pTC (associés à un candidat positron spécifique) et tous les impacts de la CDCH dans un événement.
  • Ingénierie des caractéristiques : Pour faciliter les mécanismes d'attention, les auteurs ont introduit des transformations géométriques spécifiques. Celles-ci incluent une cartographie conforme des coordonnées des impacts pour aligner les trajectoires et un alignement rotationnel basé sur le premier impact du pTC pour exploiter la symétrie du détecteur. Les caractéristiques comprennent le temps de dérive, la position du fil et les motifs calibrés ($z_{turn;s}$, $\phi_{turn;s}$) dérivés des trajectoires de positrons de Michel pour distinguer les impacts appartenant à des segments de rotation spécifiques (par exemple, $s=1$ pour la demi-rotation finale, $s=2$ pour la rotation précédente).
  • Sortie : Le modèle classifie chaque impact de la CDCH en une de plusieurs catégories : pileup/bruit ($s=\emptyset$) ou segments de trajectoire spécifiques ($s \in \{1, 2_{in}, 2_{out}, 3_{in}, 3_{out}, 4_{in}, 4_{out}\}$).
• Stratégie d'entraînement : Le modèle a été entraîné sur un ensemble de données comprenant 90 % d'échantillons de Monte Carlo (MC) et 10 % d'échantillons de données à faible taux. Pour éviter le surapprentissage des alignements de détecteurs spécifiques au MC, des données à faible taux (où la reconstruction conventionnelle est très fiable) ont été utilisées pour annoter les impacts de la CDCH. Ces annotations basées sur les données ont ensuite été mélangées à des données de fond à haut taux pour simuler l'environnement de pileup. Un processus d'entraînement en deux étapes a été employé : d'abord, l'apprentissage des corrélations entre les impacts de signal à faible pileup, puis l'apprentissage de la discrimination entre signal et pileup à haut taux.
• Intégration : Le modèle entraîné agit comme un pré-filtre. Avant que les algorithmes de recherche et d'ajustement de trajectoire standards (décrits dans la Réf. [5]) ne soient exécutés, le modèle sélectionne les impacts de la CDCH selon un seuil de probabilité. Cela réduit l'entrée de l'algorithme de reconstruction à un ensemble d'impacts à « pureté accrue ».

Contributions clés

1. Architecture novatrice : L'application d'un modèle Transformer au filtrage d'impacts de chambre à dérive, utilisant spécifiquement l'attention croisée entre les impacts du pTC et de la CDCH, ainsi que l'auto-attention parmi les impacts de la CDCH pour identifier des motifs de trajectoire globaux.
2. Robustesse au pileup : La méthode parvient à découpler l'efficacité de la reconstruction de la dégradation typiquement causée par l'occupation élevée (35–50 %), permettant à l'algorithme de fonctionner efficacement là où la reconnaissance de formes locale échoue.
3. Optimisation opérationnelle : L'implémentation permet à l'expérience de fonctionner à la limite matérielle du taux d'arrêt de muons ($5 \times 10^7 \mu/s$) sans sacrifier les performances de suivi.

Résultats
La méthode proposée a été évaluée à l'aide d'échantillons MC et de données réelles collectées par MEG II :

• Performance du filtrage d'impacts : À un taux d'arrêt de muons de $5 \times 10^7 \mu/s$, le modèle a atteint une efficacité d'impact de signal de 98 % tout en écartant 87 % des impacts de pileup (taux de faux positifs de 13 %).
• Efficacité de suivi : L'utilisation du filtre Transformer a entraîné une augmentation de 15 % de l'efficacité de suivi des positrons à $5 \times 10^7 \mu/s$ par rapport à la méthode conventionnelle. Ce gain a été observé tant dans le MC que dans les données, les données montrant une amélioration constante sur toute la plage de taux testée.
• Résolution de suivi : La résolution des paramètres de la trajectoire du positron s'est améliorée d'environ 5 %. Plus précisément, la résolution en $z$ (position le long du fil) et la résolution de l'impulsion (inférée à partir du spectre de fin de parcours de 52,8 MeV des positrons de Michel) ont montré des gains significatifs. L'amélioration de la résolution de l'impulsion a été quantifiée à environ 10 % sur la base de la réduction des trajectoires dépassant la limite cinématique.
• Coût computationnel : Malgré l'ajout de l'étape d'inférence ML, le temps total de traitement des événements a diminué pour atteindre 70–80 % de l'approche conventionnelle. Cela s'explique par le fait que le nombre réduit d'impacts de pileup accélère considérablement les étapes de construction des graines (seeds) et de génération de candidats, qui sont les plus sensibles à l'occupation.

Signification
L'article affirme que ces améliorations de performance sont directement transformatrices pour la portée physique de l'expérience MEG II. En permettant l'opération au taux d'arrêt de muons plus élevé de $5 \times 10^7 \mu/s$ (précédemment limité à $4 \times 10^7 \mu/s$ en raison des pertes d'efficacité) et en améliorant simultanément la résolution de suivi, l'expérience prévoit une augmentation d'environ 10 % de la sensibilité de la mesure du rapport de branchement de $\mu \to e\gamma$. Par conséquent, la collaboration a décidé de retraiter l'ensemble des données collectées jusqu'en 2022 en utilisant cette nouvelle méthode et a déjà augmenté le taux de faisceau de muons pour la période de prise de données de 2025. Les auteurs concluent que cette approche représente un gain scientifique significatif et une intégration réussie de l'apprentissage profond dans la reconstruction de détecteurs de suivi à haute occupation.