Improved muon energy estimation using a detailed model of multiple Coulomb scattering in the MicroBooNE LArTPC

Ce papier présente une technique améliorée pour estimer l'énergie des muons dans le LArTPC de MicroBooNE en modélisant la diffusion multiple de Coulomb avec des non-idéalités détecteur renforcées, obtenant une résolution nettement meilleure et un biais réduit par rapport aux méthodes précédentes tout en démontrant une forte concordance entre les données et les simulations.

L'essentiel

Imaginez que vous essayez de deviner la vitesse d'une voiture traversant une forêt dense et brumeuse. Vous ne pouvez pas voir le compteur de vitesse de la voiture, et elle se déplace si vite qu'elle quitte la forêt avant que vous puissiez mesurer le temps nécessaire pour la traverser. Cependant, vous pouvez voir le chemin laissé par la voiture.

Si la voiture roule lentement, elle dévie beaucoup pour éviter les arbres. Si elle roule vite, elle dévie à peine. En mesurant dans quelle mesure la voiture « oscille » ou se disperse en heurtant les arbres, vous pouvez estimer sa vitesse.

C'est exactement ce que la Collaboration MicroBooNE a réalisé, mais au lieu d'une voiture et d'arbres, ils suivaient le parcours de muons (de minuscules particules fantomatiques) se déplaçant dans un gigantesque réservoir d'argon liquide (un fluide invisible et ultra-froid).

Voici une explication de leur nouvelle méthode, utilisant des analogies simples :

Le Problème : La Stratégie de « Sortie »

Dans leur gigantesque détecteur, de nombreux muons traversent si vite qu'ils ne s'arrêtent pas à l'intérieur ; ils sortent directement de l'autre côté.

• Ancienne Méthode : Les façons précédentes d'estimer l'énergie du muon ressemblaient à essayer de deviner la vitesse d'un coureur en mesurant la distance parcourue. Si le coureur quitte la piste avant la fin, vous ne pouvez pas mesurer la distance, donc vous ne pouvez pas deviner la vitesse.
• La Nouvelle Idée : Au lieu de mesurer la distance, ils mesurent l'oscillation. Alors que le muon traverse l'argon liquide, il heurte des atomes, ce qui le fait légèrement se disperser. Plus le muon est rapide, plus le chemin est droit. Plus il est lent, plus il zigzague.

L'Ancien Calculateur d'« Oscillation » était Défectueux

L'équipe disposait d'un outil précédent pour mesurer cette oscillation, mais il était comme l'utilisation d'une caméra floue et de faible résolution. Il commettait deux erreurs principales :

1. Il ignorait les oscillations « bizarres » : Parfois, un muon heurte un électron isolé ou est frappé par un « rayon delta » (une minuscule particule arrachée), provoquant un saut soudain et énorme dans son parcours. L'ancien modèle supposait que toutes les oscillations étaient lisses et prévisibles (comme une courbe en cloche). Lorsqu'un saut énorme et inattendu se produisait, l'ancien modèle se trompait et estimait que le muon était beaucoup plus lent qu'il ne l'était réellement.
2. Il traitait toutes les directions de la même manière : Le détecteur est construit avec des fils dans des directions spécifiques. Le « flou » ou l'erreur de mesure de la position du muon diffère selon la direction de déplacement du muon par rapport aux fils. L'ancien modèle utilisait un seul chiffre de « flou » pour tout, ce qui n'était pas précis.

Le Nouveau Modèle « Haute Définition »

L'équipe a construit un nouveau calculateur plus intelligent avec quatre améliorations clés :

1. La Lentille « Double-Gaussienne »
Au lieu de supposer que le trajet du muon est une courbe parfaite et lisse, ils ont réalisé que le trajet est généralement lisse mais présente occasionnellement des « pics ».

• Analogie : Imaginez une foule de personnes marchant dans un couloir. La plupart marchent en ligne droite (le groupe principal). Mais de temps en temps, quelqu'un heurte un cadre de porte et trébuche sauvagement (la queue).
• La Correction : Leur nouveau modèle utilise une fonction « double-gaussienne ». Il possède une courbe pour les marcheurs lisses et une seconde courbe plus large pour les trébuchements sauvages. Cela leur permet de prendre en compte les sauts étranges sans se tromper et deviner la mauvaise vitesse.

2. Séparer la « Dérive » des « Fils »
Le détecteur possède une direction de « dérive » (où les électrons flottent) et des directions de « fils » (où ils sont capturés). L'erreur de mesure diffère dans chaque direction.

• Analogie : Imaginez essayer de mesurer le trajet d'une balle roulant sur une grille. Si vous mesurez le long des lignes de la grille, votre règle est très précise. Si vous mesurez en diagonale à travers la grille, votre règle est un peu plus floue.
• La Correction : Ils ont divisé la mesure en deux angles distincts : l'un très sensible au « flou » de la dérive et l'autre sensible au « flou » des fils. Ils les traitent comme deux problèmes différents avec deux solutions différentes, plutôt que de les mélanger en une moyenne désordonnée.

3. Le Réglage de l'« Orientation de la Piste »
La qualité de la mesure change selon l'angle du trajet du muon.

• Analogie : Pensez à prendre une photo d'une voiture en mouvement. Si la voiture roule directement vers l'appareil photo, il est facile de la suivre. Si elle traverse directement le champ de vision de l'appareil, il est plus difficile de la suivre à cause du flou de mouvement.
• La Correction : Ils ont créé cinq différents « réglages » pour leur calculateur en fonction de l'angle du muon par rapport au détecteur. Ils ajustent les mathématiques spécifiquement pour chaque angle, garantissant que le « flou » est calculé correctement, quelle que soit la direction du muon.

4. Apprendre des Coureurs les « Plus Rapides »
Pour déterminer exactement à quel point leur « caméra » est floue (la résolution du détecteur), ils ont examiné les muons les plus rapides (ceux ayant le plus d'énergie).

• Analogie : Si vous voulez savoir à quel point votre main tremble lorsque vous dessinez, regardez quelqu'un dessiner une ligne droite tout en tenant un poids lourd. Si la ligne est toujours droite, votre main est stable. Si elle est tremblante, votre main est instable.
• La Correction : Les muons de haute énergie oscillent à peine du tout en raison de la physique. Ainsi, toute oscillation qu'ils voient est purement due aux imperfections du détecteur. Ils ont utilisé ces pistes « parfaites » pour mesurer le taux d'erreur exact du détecteur, plutôt que de deviner.

Les Résultats : Plus Précis, Plus Rapides et Plus Équitables

Lorsqu'ils ont testé cette nouvelle méthode contre leurs simulations et leurs données réelles :

• Moins de Biais : L'ancienne méthode estimait souvent que le muon était 20 % plus lent qu'il ne l'était réellement. La nouvelle méthode est précise à 1 % à 2 % près.
• Meilleure Résolution : Le « flou » de l'estimation a considérablement diminué. Pour les muons qui restent à l'intérieur du réservoir, l'estimation est désormais précise à 4,3 % près. Pour les muons qui sortent, elle est précise à 7 % à 17 % près.
• Vérification Réelle : Lorsqu'ils ont comparé les prédictions de leur nouveau calculateur avec les données réelles du détecteur, les chiffres correspondaient parfaitement. Le « flou » de leur modèle expliquait les données réelles exactement comme prévu.

Pourquoi c'est Important

Cet nouvel outil permet aux scientifiques de mesurer avec précision l'énergie des muons qui sortent du détecteur. Auparavant, ces muons de « sortie » étaient un angle mort. Désormais, les scientifiques peuvent les étudier avec une grande précision, ouvrant de nouvelles façons de comprendre comment les neutrinos interagissent avec la matière. C'est comme passer d'une caméra de surveillance floue à une caméra haute définition, leur permettant de voir les détails de l'univers qui étaient auparavant cachés dans le brouillard.

Résumé technique

Résumé technique : Estimation améliorée de l'énergie des muons par diffusion de Coulomb multiple dans MicroBooNE

Énoncé du problème
Dans les détecteurs à chambre à projection temporelle d'argon liquide (LArTPC) comme MicroBooNE, la reconstruction de l'énergie des muons qui sortent du volume du détecteur (événements partiellement contenus, ou PC) présente un défi majeur. Les estimateurs d'énergie traditionnels, basés sur l'énergie calorimétrique ou sur le parcours résiduel, nécessitent que la trajectoire complète du muon s'arrête dans le détecteur. Puisque plus de la moitié des muons issus d'interactions à courant chargé de $\nu_\mu$ dans le faisceau de neutrinos du Booster sortent du détecteur MicroBooNE, ces méthodes standard échouent pour une grande fraction d'événements, en particulier à plus hautes énergies. Bien que la diffusion de Coulomb multiple (MCS) offre une voie pour estimer l'énergie sans exiger l'arrêt complet de la trajectoire, les implémentations précédentes chez MicroBooNE [1] souffraient d'une précision limitée due à une modélisation simplifiée des non-idéalités du détecteur, entraînant des biais importants (jusqu'à 20 %) et une résolution médiocre (deux fois moins bonne que celle de la nouvelle méthode).

Méthodologie
Ce travail présente un estimateur d'énergie des muons raffiné basé sur la MCS ($E_\mu^{MCS}$) qui remédie aux limites des modèles précédents grâce à quatre innovations clés dans la modélisation des distributions d'angles de diffusion et de la résolution du détecteur :

1. Fonction de densité de probabilité (PDF) à double gaussienne : Au lieu d'une seule distribution gaussienne dérivée de la formule de Highland, les auteurs implémentent une fonction à double gaussienne. Ce modèle inclut une gaussienne « primaire » (décrivant le cœur $\sim$90 % de la distribution) et une gaussienne « secondaire » avec une largeur plus grande pour modéliser avec précision les queues non gaussiennes. Ceci est crucial pour l'estimation du maximum de vraisemblance (MLE), car une seule gaussienne sous-estime considérablement la probabilité des queues à grands angles (causées par des défauts de reconstruction comme les rayons delta), conduisant à des estimations d'énergie biaisées.
2. Décomposition des angles de diffusion : Les auteurs séparent les angles de diffusion planaires en deux composantes : $\theta_{xz}$ (sensible à la direction de dérive) et $\theta_{yz}$ (sensible aux directions du plan de fils). Cette séparation tient compte des résolutions de reconstruction asymétriques inhérentes à la géométrie LArTPC, où la diffusion de la charge d'ionisation diffère entre les directions de dérive et de fils.
3. Ajustement orienté trajectoire : Le modèle introduit une dépendance à la composante de vitesse du muon le long de la direction de dérive ($|v_x|$). Les trajectoires sont binnées selon $|v_x|$ pour tenir compte des variations de qualité de reconstruction (par exemple, topologies isochrones vs prolongées), permettant un ajustement indépendant des paramètres de résolution pour différentes orientations de trajectoire.
4. Extraction directe de la résolution : Plutôt que d'ajuster les paramètres de résolution uniquement pour minimiser le biais énergétique, les auteurs extraient les résolutions angulaires du détecteur directement à partir de simulations de muons de haute énergie où la contribution de la MCS est minimisée. Cela fournit une mesure plus directe de la résolution intrinsèque du détecteur.

Le processus d'estimation de l'énergie utilise une procédure d'ajustement itératif pour déterminer les paramètres de la PDF à double gaussienne ($\sigma_1$, $\sigma_2$ et fraction de surface $A$) en fonction de l'énergie du muon. L'estimation finale de l'énergie est obtenue en maximisant la vraisemblance totale des angles de diffusion observés compte tenu des PDF ajustées.

Résultats clés
En utilisant des échantillons de simulation indépendants pour la validation, le nouvel estimateur démontre des améliorations de performance significatives par rapport aux travaux précédents de MicroBooNE sur la MCS [1] :

• Événements entièrement contenus (FC) : Pour les muons s'arrêtant dans le détecteur, le biais estimé est inférieur à 1 % sur toute la gamme d'énergie de 0,1 GeV à 2 GeV. La résolution énergétique s'améliore, passant de 4,3 % à 10 % lorsque l'énergie augmente de 0,1 GeV à 2 GeV.
• Événements partiellement contenus (PC) : Pour les muons sortants ayant au moins 1 mètre de trajectoire reconstruite et une énergie inférieure à 2 GeV, le biais estimé est inférieur à 2 %, et la résolution varie entre 7 % et 17 %.
• Comparaison avec les travaux antérieurs : Ces résultats représentent une amélioration substantielle par rapport à l'estimateur précédent, qui présentait une résolution deux fois plus grande et un biais de 20 % dans la même région d'énergie.
• Accord données-modèle : La validation par rapport aux données réelles de MicroBooNE (6,4 $\times$ 10$^{20}$ POT) montre un excellent accord. Les tests de qualité d'ajustement ($\chi^2$/ndf) pour les distributions FC et PC, ainsi que les comparaisons des différences fractionnelles entre $E_\mu^{MCS}$ et les estimations basées sur le parcours résiduel ($E_\mu^{RR}$), donnent des valeurs $p$ bien supérieures à 0,9. Cela indique que les incertitudes de simulation couvrent entièrement les différences observées entre les données et le modèle.

Portée et affirmations
L'article affirme que ce travail démontre avec succès un modèle raffiné de la MCS dans les détecteurs LArTPC, qui produit un biais réduit, une résolution améliorée et un accord robuste entre les données et le modèle. En permettant une reconstruction fiable de l'énergie pour les muons sortants, cette méthode étend l'espace des phases accessible pour les analyses d'interactions de neutrinos vers des énergies plus élevées et des angles plus larges. Les auteurs posent que cette approche est compétitive par rapport à d'autres méthodes de reconstruction (telles que celles utilisant des réseaux de neurones résiduels) et sert d'estimateur complémentaire précieux pour valider les trajectoires de muons de haute énergie. Les techniques développées sont présentées comme potentiellement applicables à d'autres expériences LArTPC, y compris celles des programmes de neutrinos à courte base et souterrains profonds.