Enhanced Ionization Charge Identification in the Short-Baseline Neutrino Program Neutrino Detectors with Deep Neural Networks
यह शोध पत्र शॉर्ट-बेसलाइन न्यूट्रिनो प्रोग्राम के लिक्विड आर्गन टाइम प्रोजेक्शन चैंबर्स के लिए एक डीप न्यूरल नेटवर्क-आधारित रीजन ऑफ इंटरेस्ट डिटेक्शन मेथड (DNN ROI) प्रस्तुत करता है, जो आयनीकरण चार्ज की पहचान करने और न्यूट्रिनो इंटरैक्शन को पुनर्गठित करने में पारंपरिक थ्रेशोल्डिंग एल्गोरिदम से बेहतर प्रदर्शन करता है और साथ ही डिटेक्टर विविधताओं के विरुद्ध अधिक मजबूती प्रदर्शित करता है।
मूल लेखक: P. Abratenko (ICARUS Collaboration, SBND Collaboration), N. Abrego-Martinez (ICARUS Collaboration, SBND Collaboration), R. Acciarri (ICARUS Collaboration, SBND Collaboration), A. Aduszkiewicz (ICARUS Collaboration, SBND Collaboration), F. Akbar (ICARUS Collaboration, SBND Collaboration), D. Andrade Aldana (ICARUS Collaboration, SBND Collaboration), L. Aliaga-Soplin (ICARUS Collaboration, SBND Collaboration), F. Abd Alrahman (ICARUS Collaboration, SBND Collaboration), R. Alvarez-Garrote (ICARUS Collaboration, SBND Collaboration), C. Andreopoulos (ICARUS Collaboration, SBND Collaboration), A. Antonakis (ICARUS Collaboration, SBND Collaboration), M. Artero Pons (ICARUS Collaboration, SBND Collaboration), J. Asaadi (ICARUS Collaboration, SBND Collaboration), W. F. Badgett (ICARUS Collaboration, SBND Collaboration), S. Baena (ICARUS Collaboration, SBND Collaboration), B. Baibussinov (ICARUS Collaboration, SBND Collaboration), S. Balasubramanian (ICARUS Collaboration, SBND Collaboration), A. Barnard (ICARUS Collaboration, SBND Collaboration), V. Basque (ICARUS Collaboration, SBND Collaboration), J. Bateman (ICARUS Collaboration, SBND Collaboration), A. Beever (ICARUS Collaboration, SBND Collaboration), B. Behera (ICARUS Collaboration, SBND Collaboration), E. Belchior (ICARUS Collaboration, SBND Collaboration), V. Bellini (ICARUS Collaboration, SBND Collaboration), R. Benocci (ICARUS Collaboration, SBND Collaboration), J. Berger (ICARUS Collaboration, SBND Collaboration), S. Bertolucci (ICARUS Collaboration, SBND Collaboration), M. Betancourt (ICARUS Collaboration, SBND Collaboration), A. Bhat (ICARUS Collaboration, SBND Collaboration), M. Bishai (ICARUS Collaboration, SBND Collaboration), A. Blake (ICARUS Collaboration, SBND Collaboration), A. Blanchet (ICARUS Collaboration, SBND Collaboration), F. Boffelli (ICARUS Collaboration, SBND Collaboration), B. Bogart (ICARUS Collaboration, SBND Collaboration), M. Bonesini (ICARUS Collaboration, SBND Collaboration), T. Boone (ICARUS Collaboration, SBND Collaboration), B. Bottino (ICARUS Collaboration, SBND Collaboration), A. Braggiotti (ICARUS Collaboration, SBND Collaboration), D. Brailsford (ICARUS Collaboration, SBND Collaboration), A. Brandt (ICARUS Collaboration, SBND Collaboration), S. J. Brice (ICARUS Collaboration, SBND Collaboration), S. Brickner (ICARUS Collaboration, SBND Collaboration), V. Brio (ICARUS Collaboration, SBND Collaboration), C. Brizzolari (ICARUS Collaboration, SBND Collaboration), M. B. Brunetti (ICARUS Collaboration, SBND Collaboration), H. S. Budd (ICARUS Collaboration, SBND Collaboration), L. Camilleri (ICARUS Collaboration, SBND Collaboration), A. Campani (ICARUS Collaboration, SBND Collaboration), A. Campos (ICARUS Collaboration, SBND Collaboration), D. Caratelli (ICARUS Collaboration, SBND Collaboration), D. Carber (ICARUS Collaboration, SBND Collaboration), B. Carlson (ICARUS Collaboration, SBND Collaboration), M. F. Carneiro (ICARUS Collaboration, SBND Collaboration), I. Caro Terrazas (ICARUS Collaboration, SBND Collaboration), H. Carranza (ICARUS Collaboration, SBND Collaboration), R. Castillo (ICARUS Collaboration, SBND Collaboration), F. Castillo Fernandez (ICARUS Collaboration, SBND Collaboration), F. Cavanna (ICARUS Collaboration, SBND Collaboration), S. Centro (ICARUS Collaboration, SBND Collaboration), G. Cerati (ICARUS Collaboration, SBND Collaboration), A. Chappell (ICARUS Collaboration, SBND Collaboration), A. Chatterjee (ICARUS Collaboration, SBND Collaboration), H. Chen (ICARUS Collaboration, SBND Collaboration), D. Cherdack (ICARUS Collaboration, SBND Collaboration), S. Cherubini (ICARUS Collaboration, SBND Collaboration), N. Chithirasreemadam (ICARUS Collaboration, SBND Collaboration), S. Chung (ICARUS Collaboration, SBND Collaboration), M. F. Cicala (ICARUS Collaboration, SBND Collaboration), M. Cicerchia (ICARUS Collaboration, SBND Collaboration), R. Coackley (ICARUS Collaboration, SBND Collaboration), T. E. Coan (ICARUS Collaboration, SBND Collaboration), A. Cocco (ICARUS Collaboration, SBND Collaboration), M. R. Convery (ICARUS Collaboration, SBND Collaboration), L. Cooper-Troendle (ICARUS Collaboration, SBND Collaboration), S. Copello (ICARUS Collaboration, SBND Collaboration), C. Cuesta (ICARUS Collaboration, SBND Collaboration), Y. Dabburi (ICARUS Collaboration, SBND Collaboration), O. Dalager (ICARUS Collaboration, SBND Collaboration), M. Dall'Olio (ICARUS Collaboration, SBND Collaboration), A. A. Dange (ICARUS Collaboration, SBND Collaboration), R. Darby (ICARUS Collaboration, SBND Collaboration), S. Kr Das (ICARUS Collaboration, SBND Collaboration), M. Diwan (ICARUS Collaboration, SBND Collaboration), Z. Djurcic (ICARUS Collaboration, SBND Collaboration), S. Dolan (ICARUS Collaboration, SBND Collaboration), S. Dominguez-Vidales (ICARUS Collaboration, SBND Collaboration), S. Di Domizio (ICARUS Collaboration, SBND Collaboration), S. Donati (ICARUS Collaboration, SBND Collaboration), F. Drielsma (ICARUS Collaboration, SBND Collaboration), M. Dubnowski (ICARUS Collaboration, SBND Collaboration), K. Duffy (ICARUS Collaboration, SBND Collaboration), J. Dyer (ICARUS Collaboration, SBND Collaboration), S. Dytman (ICARUS Collaboration, SBND Collaboration), A. Ereditato (ICARUS Collaboration, SBND Collaboration), J. J. Evans (ICARUS Collaboration, SBND Collaboration), A. Ezeribe (ICARUS Collaboration, SBND Collaboration), A. Falcone (ICARUS Collaboration, SBND Collaboration), C. Fan (ICARUS Collaboration, SBND Collaboration), C. Farnese (ICARUS Collaboration, SBND Collaboration), A. Fava (ICARUS Collaboration, SBND Collaboration), D. Di Ferdinando (ICARUS Collaboration, SBND Collaboration), A. Filkins (ICARUS Collaboration, SBND Collaboration), B. Fleming (ICARUS Collaboration, SBND Collaboration), W. Foreman (ICARUS Collaboration, SBND Collaboration), D. Franco (ICARUS Collaboration, SBND Collaboration), G. Fricano (ICARUS Collaboration, SBND Collaboration), I. Furic (ICARUS Collaboration, SBND Collaboration), A. Furmanski (ICARUS Collaboration, SBND Collaboration), N. Gallice (ICARUS Collaboration, SBND Collaboration), S. Gao (ICARUS Collaboration, SBND Collaboration), D. Garcia-Gamez (ICARUS Collaboration, SBND Collaboration), S. Gardiner (ICARUS Collaboration, SBND Collaboration), C. Gatto (ICARUS Collaboration, SBND Collaboration), D. Gibin (ICARUS Collaboration, SBND Collaboration), I. Gil-Botella (ICARUS Collaboration, SBND Collaboration), A. Gioiosa (ICARUS Collaboration, SBND Collaboration), S. Gollapinni (ICARUS Collaboration, SBND Collaboration), P. Green (ICARUS Collaboration, SBND Collaboration), W. C. Griffith (ICARUS Collaboration, SBND Collaboration), W. Gu (ICARUS Collaboration, SBND Collaboration), A. Guglielmi (ICARUS Collaboration, SBND Collaboration), G. Gurung (ICARUS Collaboration, SBND Collaboration), L. Hagaman (ICARUS Collaboration, SBND Collaboration), P. Hamilton (ICARUS Collaboration, SBND Collaboration), K. Hassinin (ICARUS Collaboration, SBND Collaboration), H. Hausner (ICARUS Collaboration, SBND Collaboration), A. Heggestuen (ICARUS Collaboration, SBND Collaboration), A. Hergenhan (ICARUS Collaboration, SBND Collaboration), M. Hernandez-Morquecho (ICARUS Collaboration, SBND Collaboration), P. Holanda (ICARUS Collaboration, SBND Collaboration), B. Howard (ICARUS Collaboration, SBND Collaboration), R. Howell (ICARUS Collaboration, SBND Collaboration), Z. Hulcher (ICARUS Collaboration, SBND Collaboration), I. Ingratta (ICARUS Collaboration, SBND Collaboration), M. S. Ismail (ICARUS Collaboration, SBND Collaboration), C. James (ICARUS Collaboration, SBND Collaboration), W. Jang (ICARUS Collaboration, SBND Collaboration), R. S. Jones (ICARUS Collaboration, SBND Collaboration), M. Jung (ICARUS Collaboration, SBND Collaboration), T. Junk (ICARUS Collaboration, SBND Collaboration), Y. -J. Jwa (ICARUS Collaboration, SBND Collaboration), D. Kalra (ICARUS Collaboration, SBND Collaboration), G. Karagiorgi (ICARUS Collaboration, SBND Collaboration), L. Kashur (ICARUS Collaboration, SBND Collaboration), K. J. Kelly (ICARUS Collaboration, SBND Collaboration), W. Ketchum (ICARUS Collaboration, SBND Collaboration), J. S. Kim (ICARUS Collaboration, SBND Collaboration), M. King (ICARUS Collaboration, SBND Collaboration), J. Klein (ICARUS Collaboration, SBND Collaboration), D. -H. Koh (ICARUS Collaboration, SBND Collaboration), L. Kotsiopoulou (ICARUS Collaboration, SBND Collaboration), T. Kroupova (ICARUS Collaboration, SBND Collaboration), V. A. Kudryavtsev (ICARUS Collaboration, SBND Collaboration), V. do Lago Pimentel (ICARUS Collaboration, SBND Collaboration), N. Lane (ICARUS Collaboration, SBND Collaboration), J. Larkin (ICARUS Collaboration, SBND Collaboration), H. Lay (ICARUS Collaboration, SBND Collaboration), R. LaZur (ICARUS Collaboration, SBND Collaboration), J. -Y. Li (ICARUS Collaboration, SBND Collaboration), Y. Li (ICARUS Collaboration, SBND Collaboration), K. Lin (ICARUS Collaboration, SBND Collaboration), B. R. Littlejohn (ICARUS Collaboration, SBND Collaboration), L. Liu (ICARUS Collaboration, SBND Collaboration), W. C. Louis (ICARUS Collaboration, SBND Collaboration), X. Lu (ICARUS Collaboration, SBND Collaboration), X. Luo (ICARUS Collaboration, SBND Collaboration), A. Machado (ICARUS Collaboration, SBND Collaboration), P. Machado (ICARUS Collaboration, SBND Collaboration), C. Mariani (ICARUS Collaboration, SBND Collaboration), F. Marinho (ICARUS Collaboration, SBND Collaboration), C. M. Marshall (ICARUS Collaboration, SBND Collaboration), J. Marshall (ICARUS Collaboration, SBND Collaboration), C. Martin-Morales (ICARUS Collaboration, SBND Collaboration), S. Martynenko (ICARUS Collaboration, SBND Collaboration), A. Mastbaum (ICARUS Collaboration, SBND Collaboration), N. Mauri (ICARUS Collaboration, SBND Collaboration), K. Mavrokoridis (ICARUS Collaboration, SBND Collaboration), N. McConkey (ICARUS Collaboration, SBND Collaboration), B. McCusker (ICARUS Collaboration, SBND Collaboration), K. S. McFarland (ICARUS Collaboration, SBND Collaboration), J. Mclaughlin (ICARUS Collaboration, SBND Collaboration), A. Menegolli (ICARUS Collaboration, SBND Collaboration), G. Meng (ICARUS Collaboration, SBND Collaboration), O. G. Miranda (ICARUS Collaboration, SBND Collaboration), A. Mogan (ICARUS Collaboration, SBND Collaboration), N. Moggi (ICARUS Collaboration, SBND Collaboration), E. Montagna (ICARUS Collaboration, SBND Collaboration), A. Montanari (ICARUS Collaboration, SBND Collaboration), C. Montanari (ICARUS Collaboration, SBND Collaboration), M. Mooney (ICARUS Collaboration, SBND Collaboration), A. F. Moor (ICARUS Collaboration, SBND Collaboration), G. Moreno-Granados (ICARUS Collaboration, SBND Collaboration), H. Da Motta (ICARUS Collaboration, SBND Collaboration), C. A. Moura (ICARUS Collaboration, SBND Collaboration), J. Mueller (ICARUS Collaboration, SBND Collaboration), S. Mulleriababu (ICARUS Collaboration, SBND Collaboration), M. Murphy (ICARUS Collaboration, SBND Collaboration), D. P. Mendez (ICARUS Collaboration, SBND Collaboration), D. Naples (ICARUS Collaboration, SBND Collaboration), A. Navrer-Agasson (ICARUS Collaboration, SBND Collaboration), M. Nebot-Guinot (ICARUS Collaboration, SBND Collaboration), V. C. L. Nguyen (ICARUS Collaboration, SBND Collaboration), F. J. Nicolas-Arnaldos (ICARUS Collaboration, SBND Collaboration), L. Di Noto (ICARUS Collaboration, SBND Collaboration), J. Nowak (ICARUS Collaboration, SBND Collaboration), S. B. Oh (ICARUS Collaboration, SBND Collaboration), N. Oza (ICARUS Collaboration, SBND Collaboration), O. Palamara (ICARUS Collaboration, SBND Collaboration), S. Palestini (ICARUS Collaboration, SBND Collaboration), N. Pallat (ICARUS Collaboration, SBND Collaboration), M. Pallavicini (ICARUS Collaboration, SBND Collaboration), V. Pandey (ICARUS Collaboration, SBND Collaboration), V. Paolone (ICARUS Collaboration, SBND Collaboration), A. Papadopoulou (ICARUS Collaboration, SBND Collaboration), H. B. Parkinson (ICARUS Collaboration, SBND Collaboration), L. Pasqualini (ICARUS Collaboration, SBND Collaboration), J. Paton (ICARUS Collaboration, SBND Collaboration), L. Patrizii (ICARUS Collaboration, SBND Collaboration), L. Paulucci (ICARUS Collaboration, SBND Collaboration), Z. Pavlovic (ICARUS Collaboration, SBND Collaboration), D. Payne (ICARUS Collaboration, SBND Collaboration), L. Pelegrina-Gutierrez (ICARUS Collaboration, SBND Collaboration), O. L. G. Peres (ICARUS Collaboration, SBND Collaboration), G. Petrillo (ICARUS Collaboration, SBND Collaboration), C. Petta (ICARUS Collaboration, SBND Collaboration), V. Pia (ICARUS Collaboration, SBND Collaboration), F. Pietropaolo (ICARUS Collaboration, SBND Collaboration), J. Plows (ICARUS Collaboration, SBND Collaboration), F. Poppi (ICARUS Collaboration, SBND Collaboration), M. Pozzato (ICARUS Collaboration, SBND Collaboration), M. L. Pumo (ICARUS Collaboration, SBND Collaboration), G. Putnam (ICARUS Collaboration, SBND Collaboration), X. Qian (ICARUS Collaboration, SBND Collaboration), R. Rajagopalan (ICARUS Collaboration, SBND Collaboration), A. Rappoldi (ICARUS Collaboration, SBND Collaboration), G. L. Raselli (ICARUS Collaboration, SBND Collaboration), P. Ratoff (ICARUS Collaboration, SBND Collaboration), H. Ray (ICARUS Collaboration, SBND Collaboration), M. Reggiani-Guzzo (ICARUS Collaboration, SBND Collaboration), S. Repetto (ICARUS Collaboration, SBND Collaboration), F. Resnati (ICARUS Collaboration, SBND Collaboration), A. M. Ricci (ICARUS Collaboration, SBND Collaboration), A. Roberts (ICARUS Collaboration, SBND Collaboration), M. Roda (ICARUS Collaboration, SBND Collaboration), A. de Roeck (ICARUS Collaboration, SBND Collaboration), J. Romeo-Araujo (ICARUS Collaboration, SBND Collaboration), M. Rosenberg (ICARUS Collaboration, SBND Collaboration), M. Ross-Lonergan (ICARUS Collaboration, SBND Collaboration), M. Rossella (ICARUS Collaboration, SBND Collaboration), N. Rowe (ICARUS Collaboration, SBND Collaboration), P. Roy (ICARUS Collaboration, SBND Collaboration), C. Rubbia (ICARUS Collaboration, SBND Collaboration), I. Safa (ICARUS Collaboration, SBND Collaboration), S. Saha (ICARUS Collaboration, SBND Collaboration), G. Salmoria (ICARUS Collaboration, SBND Collaboration), S. Samanta (ICARUS Collaboration, SBND Collaboration), A. Sanchez-Castillo (ICARUS Collaboration, SBND Collaboration), P. Sanchez-Lucas (ICARUS Collaboration, SBND Collaboration), A. Scaramelli (ICARUS Collaboration, SBND Collaboration), D. W. Schmitz (ICARUS Collaboration, SBND Collaboration), A. Schneider (ICARUS Collaboration, SBND Collaboration), A. Schukraft (ICARUS Collaboration, SBND Collaboration), H. Scott (ICARUS Collaboration, SBND Collaboration), E. Segreto (ICARUS Collaboration, SBND Collaboration), D. Senadheera (ICARUS Collaboration, SBND Collaboration), S-H. Seo (ICARUS Collaboration, SBND Collaboration), F. Sergiampietri (ICARUS Collaboration, SBND Collaboration), M. Shaevitz (ICARUS Collaboration, SBND Collaboration), P. Singh (ICARUS Collaboration, SBND Collaboration), G. Sirri (ICARUS Collaboration, SBND Collaboration), B. Slater (ICARUS Collaboration, SBND Collaboration), J. S. Smedley (ICARUS Collaboration, SBND Collaboration), J. Smith (ICARUS Collaboration, SBND Collaboration), M. Soares-Nunes (ICARUS Collaboration, SBND Collaboration), M. Soderberg (ICARUS Collaboration, SBND Collaboration), S. Soldner-Rembold (ICARUS Collaboration, SBND Collaboration), J. Spitz (ICARUS Collaboration, SBND Collaboration), M. Stancari (ICARUS Collaboration, SBND Collaboration), L. Stanco (ICARUS Collaboration, SBND Collaboration), J. Stewart (ICARUS Collaboration, SBND Collaboration), T. Strauss (ICARUS Collaboration, SBND Collaboration), A. M. Szelc (ICARUS Collaboration, SBND Collaboration), H. A. Tanaka (ICARUS Collaboration, SBND Collaboration), M. Tenti (ICARUS Collaboration, SBND Collaboration), K. Terao (ICARUS Collaboration, SBND Collaboration), F. Terranova (ICARUS Collaboration, SBND Collaboration), C. Thorpe (ICARUS Collaboration, SBND Collaboration), V. Togo (ICARUS Collaboration, SBND Collaboration), D. Torretta (ICARUS Collaboration, SBND Collaboration), M. Torti (ICARUS Collaboration, SBND Collaboration), F. Tortorici (ICARUS Collaboration, SBND Collaboration), D. Totani (ICARUS Collaboration, SBND Collaboration), M. Toups (ICARUS Collaboration, SBND Collaboration), C. Touramanis (ICARUS Collaboration, SBND Collaboration), R. Triozzi (ICARUS Collaboration, SBND Collaboration), Y. -T. Tsai (ICARUS Collaboration, SBND Collaboration), L. Tung (ICARUS Collaboration, SBND Collaboration), M. Del Tutto (ICARUS Collaboration, SBND Collaboration), T. Usher (ICARUS Collaboration, SBND Collaboration), G. A. Valdiviesso (ICARUS Collaboration, SBND Collaboration), F. Varanini (ICARUS Collaboration, SBND Collaboration), N. Vardy (ICARUS Collaboration, SBND Collaboration), S. Ventura (ICARUS Collaboration, SBND Collaboration), M. Vicenzi (ICARUS Collaboration, SBND Collaboration), C. Vignoli (ICARUS Collaboration, SBND Collaboration), L. Wan (ICARUS Collaboration, SBND Collaboration), R. G. Van de Water (ICARUS Collaboration, SBND Collaboration), M. Weber (ICARUS Collaboration, SBND Collaboration), H. Wei (ICARUS Collaboration, SBND Collaboration), T. Wester (ICARUS Collaboration, SBND Collaboration), A. White (ICARUS Collaboration, SBND Collaboration), F. A. Wieler (ICARUS Collaboration, SBND Collaboration), A. Wilkinson (ICARUS Collaboration, SBND Collaboration), Z. Williams (ICARUS Collaboration, SBND Collaboration), P. Wilson (ICARUS Collaboration, SBND Collaboration), R. J. Wilson (ICARUS Collaboration, SBND Collaboration), J. Wolfs (ICARUS Collaboration, SBND Collaboration), T. Wongjirad (ICARUS Collaboration, SBND Collaboration), A. Wood (ICARUS Collaboration, SBND Collaboration), E. Worcester (ICARUS Collaboration, SBND Collaboration), M. Worcester (ICARUS Collaboration, SBND Collaboration), S. Yadav (ICARUS Collaboration, SBND Collaboration), E. Yandel (ICARUS Collaboration, SBND Collaboration), T. Yang (ICARUS Collaboration, SBND Collaboration), L. Yates (ICARUS Collaboration, SBND Collaboration), B. Yu (ICARUS Collaboration, SBND Collaboration), H. Yu (ICARUS Collaboration, SBND Collaboration), J. Yu (ICARUS Collaboration, SBND Collaboration), B. Zamorano (ICARUS Collaboration, SBND Collaboration), A. Zani (ICARUS Collaboration, SBND Collaboration), A. Vazquez-Ramos (ICARUS Collaboration, SBND Collaboration), J. Zennamo (ICARUS Collaboration, SBND Collaboration), J. Zettlemoyer (ICARUS Collaboration, SBND Collaboration), C. Zhang (ICARUS Collaboration, SBND Collaboration), S. Zucchelli (ICARUS Collaboration, SBND Collaboration)
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बहुत ही शोर-शराबे वाले, भीड़भाड़ वाले कमरे में किसी विशिष्ट बातचीत को सुनने की कोशिश कर रहे हैं। कमरा स्टैटिक (static), गूँज और एक-दूसरे पर चिल्लाते हुए लोगों से भरा हुआ है। यह मूल रूप से वही है जिसका सामना वैज्ञानिक तब करते हैं जब वे न्यूट्रिनो (neutrinos) का पता लगाने की कोशिश करते हैं—जो कि सूक्ष्म, भूत जैसे कण हैं जो किसी भी चीज़ के साथ बहुत कम परस्पर क्रिया करते हैं।
लेख एक नए "स्मार्ट कान" (एक डीप न्यूरल नेटवर्क, या DNN) का वर्णन करता है जिसे दो विशिष्ट डिटेक्टरों, SBND और ICARUS, को इन भूतिया बातचीत को स्पष्ट रूप से सुनने में मदद करने के लिए डिज़ाइन किया गया है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:
1. समस्या: कमरे में मौजूद "स्टैटिक"
इस प्रयोग में उपयोग किए जाने वाले डिटेक्टर लिक्विड आर्गन से भरे विशाल 3D कैमरों की तरह हैं। जब एक न्यूट्रिनो किसी परमाणु से टकराता है, तो वह इलेक्ट्रॉनों का एक निशान बनाता है (जैसे एक चिंगारी)। डिटेक्टर इन चिंगारियों को रिकॉर्ड करने की कोशिश करता है जब वे तारों (wires) की ओर तैरती हैं।
हालाँकि, रिकॉर्डिंग अस्त-व्यस्त है:
- शोर (Noise): इलेक्ट्रॉनिक स्टैटिक (जैसे रेडियो स्टैटिक) है जो सिग्नल को दबा देता है।
- "दोधारी" तलवार: कुछ तारों पर, सिग्नल एक लहर जैसा दिखता है जो ऊपर जाता है और फिर तुरंत नीचे आता है, जिससे वह खुद को रद्द कर देता है। यह एक ऐसी छाया को देखने की कोशिश करने जैसा है जो बार-बार प्रकाश और अंधेरे के बीच बदलती रहती है, जिससे यह बताना मुश्किल हो जाता है कि वस्तु वास्तव में कहाँ है।
- पुरानी विधि: इन चिंगारियों को खोजने का पारंपरिक तरीका एक साधारण "वॉल्यूम नॉब" (volume knob) का उपयोग करने जैसा था। यदि आवाज़ एक निश्चित स्तर से तेज़ होती थी, तो कंप्यूटर मान लेता था कि यह एक सिग्नल है। यदि यह बहुत धीमी थी, तो इसे अनदेखा कर दिया जाता था। यह तेज़, स्पष्ट आवाज़ों (जैसे एक चिल्लाहट) के लिए तो काम करता था, लेकिन जटिल, शांत या "रद्द हो चुके" फुसफुसाहटों के लिए विफल रहा।
2. समाधान: "स्मार्ट जासूस" (DNN ROI)
लेखकों ने एक नया सिस्टम बनाया जिसे DNN ROI (रीजन ऑफ इंटरेस्ट) कहा जाता है। केवल तेज़ आवाजों को सुनने के बजाय, यह सिस्टम एक सुपर-स्मार्ट जासूस की तरह काम करता है जो एक साथ पूरी तस्वीर को देखता है।
- पूरे कमरे को देखना: एक समय में एक तार की जाँच करने के बजाय, यह AI पूरे डिटेक्टर की एक 2D छवि को देखता है। यह देखता है कि तार एक-दूसरे के साथ कैसे परस्पर क्रिया करते हैं।
- सुरागों की क्रॉस-चेकिंग करना: डिटेक्टर में तारों की तीन परतें होती हैं। AI जाँच करता है कि क्या तीनों परतों में एक ही समय में एक ही स्थान पर "चिंगारी" दिखाई देती है। यदि ऐसा है, तो यह लगभग निश्चित है कि यह एक वास्तविक कण है। यदि यह केवल एक परत पर दिखाई देता है, तो यह संभवतः केवल स्टैटिक शोर है।
- गलतियों से सीखना: AI को लाखों सिम्युलेटेड घटनाओं पर प्रशिक्षित किया गया था। इसे और अधिक कठिन बनाने के लिए, वैज्ञानिकों ने प्रशिक्षण के दौरान AI को "धोखा" दिया, जैसे कि रैंडम तरीके से तारों को बंद करना या अतिरिक्त स्टैटिक जोड़ना। यह एक जासूस को प्रशिक्षित करने जैसा है जहाँ उसे एक ऐसे कमरे में रखा जाता है जहाँ लाइटें झपक रही हैं और कुछ माइक्रोफोन टूटे हुए हैं, ताकि वह सीख सके कि चीजें खराब होने पर भी सच्चाई को कैसे खोजा जाए।
3. परिणाम: एक स्पष्ट तस्वीर
जब उन्होंने इस नए AI का परीक्षण पुराने "वॉल्यूम नॉब" तरीके के मुकाबले किया, तो परिणाम प्रभावशाली थे:
- कठिन-से-दिखने वाले को खोजना: AI उन लंबे, पतले कणों के ट्रैक को खोजने में बहुत बेहतर था जो तारों के लगभग समानांतर थे (जो आमतौर पर "कैंसिलेशन" प्रभाव में खो जाते हैं)। यह कणों के "शॉवर" (जैसे एक ही हिट से निकलने वाली चिंगारियों की बौछार) को पहचानने में भी बेहतर था।
- ऊर्जा का मापन: क्योंकि AI ने सिग्नल को अधिक प्रभावी ढंग से पाया और शोर को अधिक अनदेखा किया, इसलिए वैज्ञानिक कणों की ऊर्जा को बहुत अधिक सटीकता से माप सकते हैं। यह एक धुंधली फोटो देखकर पैकेज के वजन का अनुमान लगाने बनाम एक सटीक स्केल पर उसे तौलने के बीच के अंतर जैसा है।
- मजबूती (Robustness): यहाँ तक कि जब डिटेक्टर में "ग्लिच" (जैसे मृत तार या अतिरिक्त शोर) आए, तब भी AI भ्रमित नहीं हुआ। वह टूटे हुए हिस्सों को अनदेखा करना और काम करने वाले हिस्सों पर ध्यान केंद्रित करना जानता था। पुरानी विधि अक्सर इन ग्लिच से लड़खड़ा जाती थी।
4. यह क्यों महत्वपूर्ण है
यह केवल बेहतर चित्र बनाने के बारे में नहीं है; यह भौतिकी (Physics) के बारे में है। डेटा को इतनी प्रभावी ढंग से साफ करके, वैज्ञानिक अब बहुत उच्च सटीकता के साथ न्यूट्रिनो के गुणों का अध्ययन कर सकते हैं।
लेख निष्कर्ष निकालता है कि इस "स्मार्ट जासूस" का अब SBND और ICARUS प्रयोगों के वास्तविक डेटा के लिए उपयोग किया जा रहा है। यह एक लचीला उपकरण है जो अलग-अलग डिटेक्टर स्थितियों के अनुकूल हो सकता है, यह सुनिश्चित करता है कि वैज्ञानिक उन सूक्ष्म सुरागों को न चूकें जो ये भूतिया कण पीछे छोड़ते हैं। लेखक यह भी नोट करते हैं कि इस समान तकनीक को भविष्य के, और भी बड़े प्रयोगों (जैसे DUNE) के लिए अनुकूलित किया जा सकता है ताकि वे ब्रह्मांड को अधिक स्पष्ट रूप से देख सकें।
तकनीकी सारांश: शॉर्ट-बेलाइन न्यूट्रिनो प्रोग्राम में उन्नत आयनीकरण आवेश पहचान (Enhanced Ionization Charge Identification)
समस्या विवरण
फर्मी नेशनल एक्सेलेरेटर लेबोरेटरी (FNAL) में शॉर्ट-बेलाइन न्यूट्रिनो (SBN) प्रोग्राम, लिक्विड आर्गन टाइम प्रोजेक्शन चैंबर्स (LArTPCs), विशेष रूप से SBND और ICARUS डिटेक्टरों का उपयोग करता है, जो उच्च स्थानिक रिज़ॉल्यूशन के साथ आवेशित कणों के प्रक्षेपवक्र (trajectories) को पुनर्गठित करते हैं। इवेंट पुनर्गठन (event reconstruction) का एक महत्वपूर्ण प्रारंभिक चरण सिग्नल प्रोसेसिंग है, जिसमें कच्चे वेवफॉर्म्स (raw waveforms) के भीतर वास्तविक आयनीकरण संकेतों वाले 'इंटरेस्ट के क्षेत्रों' (Regions of Interest - ROIs) की पहचान करना शामिल है। पारंपरिक ROI डिटेक्शन वायर-दर-वायर थ्रेशोल्डिंग और कण प्रक्षेपवक्र कनेक्टिविटी पर आधारित ह्यूरिस्टिक्स (heuristics) पर निर्भर करता है। हालांकि ये विधियाँ विरल (sparse), उच्च-ऊर्जा ट्रैक्स के लिए प्रभावी हैं, लेकिन वे जटिल आवेश निक्षेपों (charge depositions) के साथ संघर्ष करती हैं, जैसे कि वायर प्लेन के लंबवत विस्तृत प्रक्षेपवपथ (जो बाइपोलर इंडक्शन प्रभावों के कारण लंबे, गैर-गॉसियन सिग्नल उत्पन्न करते हैं) और इलेक्ट्रोमैग्नेटिक शॉवर्स। इसके अलावा, पारंपरिक एल्गोरिदम डिटेक्टर प्रदर्शन के विविधताओं, जैसे शोर के उतार-चढ़ाव, इलेक्ट्रॉन लाइफटाइम परिवर्तनों और वायर प्लेन की अपारदर्शिता (intransparency) के प्रति संवेदनशील हो सकते हैं।
कार्यप्रणाली (Methodology)
इन सीमाओं को दूर करने के लिए, लेखक एक डीप न्यूरल नेटवर्क (DNN) आधारित ROI डिटेक्शन विधि लागू करते हैं, जिसे मूल रूप से संदर्भ [8] में पेश किया गया था, और इसे SBND और ICARUS डिटेक्टरों के लिए अनुकूलित किया गया है। यह दृष्टिकोण ROI डिटेक्शन को एक 2D सिमेंटिक सेगमेंटेशन कार्य के रूप में फ्रेम करता है, जो डिटेक्टर रीडआउट के प्रत्येक पिक्सेल को सिग्नल या शोर के रूप में लेबल करता है।
- इनपुट प्री-प्रोसेसिंग: नेटवर्क तीन दो-आयामी इमेज चैनल्स को ग्रहण करता है जो डीकनवोल्यूटेड वेवफॉर्म्स से प्राप्त होते हैं:
- ROI फ़िल्टर आउटपुट: एक विनर-जैसे (Wiener-like) फिल्टर वाला वेवफॉर्म जो सिग्नल-टू-नॉइज़ अनुपात के लिए अनुकूलित है।
- टू-प्लेन (MP2) कोइंसिडेंस: एक बाइनरी मैप जो उन चैनलों की पहचान करता है जहाँ एक सामान्य समय अंतराल के भीतर कम से कम दो वायर प्लेन में गतिविधि मेल खाती है।
- थ्री-प्लेन (MP3) कोइंसिडेंस: एक बाइनरी मैप जो तीनों वायर प्लेन में एक साथ सिग्नल वाले चैनलों को उजागर करता है।
- नेटवर्क आर्किटेक्चर: सिस्टम एक U-ResNet आर्किटेक्चर का उपयोग करता है, जो U-Net एनकोडर-डिकोडर संरचना को ResNet रेसिडुअल ब्लॉक्स के साथ जोड़ता है। नेटवर्क को "चंकिंग" (इमेज को छोटे एरे में विभाजित करना) और डाउनसैंपलिंग (निश्चित टिक अंतराल पर औसत निकालना) के माध्यम से कम्प्यूटेशनल दक्षता के लिए अनुकूलित किया गया है ताकि LArSoft फ्रेमवर्क के भीतर CPU पर इन्फरेंस (inference) संभव हो सके।
- प्रशिक्षण और ऑग्मेंटेशन (Training and Augmentation): प्रशिक्षण नमूने (training samples) मोंटे कार्लो सिमुलेशन (GENIE, CORSIKA, GEANT4, और WireCell) का उपयोग करके उत्पन्न किए जाते हैं, जो BNB और NuMI न्यूट्रिनो इंटरैक्शन, कॉस्मिक किरणों और विशिष्ट चुनौतीपूर्ण टोपोलॉजी जैसे कि लंबे ट्रैक्स और νe शॉवर्स को कवर करते हैं। वास्तविक दुनिया के डिटेक्टर विविधताओं के विरुद्ध मजबूती सुनिश्चित करने के लिए, लेखक डेटा ऑग्मेंटेशन रणनीतियों का उपयोग करते हैं:
- ICARUS: "OmniDetector" नमूने जहाँ सिमुलेशन पैरामीटर (शोर स्केल, इलेक्ट्रॉन लाइफटाइम, गेन, सिग्नल शेप) को देखे गए डिटेक्टर अस्थिरताओं को दर्शाने के लिए यादृच्छिक रूप से बदला जाता है।
- SBND: वेवफॉर्म स्मियरिंग, पिक्सेल स्केलिंग और मास्क किए गए (डेड) वायर बैंड्स का अनुकरण करने के लिए ROI फ़िल्टर आउटपुट इमेज का सीधा ऑग्मेंटेशन।
- क्लास इम्बैलेंस (Class Imbalance): सिग्नल पिक्सेल की विरल प्रकृति को संबोधित करने के लिए एक वेटेड बाइनरी क्रॉस-एन्ट्रॉपी लॉस फंक्शन का उपयोग किया जाता है।
प्रमुख योगदान
- DNN ROI का कार्यान्वयन: SBND और ICARUS डिटेक्टरों के लिए एक डीप लर्निंग-आधारित ROI फाइंडर का सफल अनुकूलन और परिनियोजन, जो पारंपरिक थ्रेशोल्डिंग एल्गोरिदम को प्रतिस्थापित करता है।
- ऑग्मेंटेशन के माध्यम से मजबूती: एक व्यवस्थित अध्ययन जो यह प्रदर्शित करता है कि ऑगमेंटेड नमूनों (मृत तारों, शोर विविधताओं और सिग्नल आकार परिवर्तनों का अनुकरण करने वाले) के साथ प्रशिक्षण करने से नेटवर्क की डिटेक्टर दोषों और प्रदर्शन ड्रिफ्ट के प्रति लचीलापन काफी बढ़ जाता है।
- क्रॉस-प्लेन एकीकरण: वास्तविक भौतिक संकेतों को शोर या इंडक्शन-प्लेन आर्टिफैक्ट्स से अलग करने की नेटवर्क की क्षमता को बढ़ाने के लिए ज्यामितीय बाधाओं (MP2 और MP3 कोइंसिडेंस) का इनपुट चैनल्स के रूप में उपयोग किया गया है।
- वैज्ञानिक सुदृढ़ता केस स्टडी: यह कार्य मशीन लर्निंग में "वैज्ञानिक सुदृढ़ता" (scientific robustness) के एक व्यावहारिक प्रदर्शन के रूप में कार्य करता है, जो यह दिखाता है कि न्यूरल नेटवर्क डेटा विरूपण (deformations) के बावजूद निष्पक्ष परिणाम प्रदान कर सकते हैं जो वास्तविक प्रयोगों के विशिष्ट हैं।
परिणाम
मूल्यांकन पारंपरिक विधियों के विरुद्ध DNN ROI की तुलना लो-लेवल मेट्रिक्स (पिक्सेल/ROI दक्षता और शुद्धता) और हाई-लेवल रिकंस्ट्रक्शन मेट्रिक्स (चार्ज एक्सट्रैक्शन और शॉवर पूर्णता) दोनों का उपयोग करके करता है।
- प्रदर्शन सुधार: DNN ROI विभिन्न इवेंट टोपोलॉजी में दक्षता और शुद्धता दोनों में पारंपरिक थ्रेशोल्डिंग से बेहतर प्रदर्शन करता है। सुधार विशेष रूप से निम्नलिखित के लिए उल्लेखनीय हैं:
- लंबे ट्रैक्स (Prolonged Tracks): ड्रिफ्ट फील्ड के प्रति उथले कोणों पर ट्रैक्स, जहाँ बाइपोलर कैंसिलेशन पारंपरिक रूप से सिग्नल को अस्पष्ट कर देता है।
- इलेक्ट्रोमैग्नेटिक शॉवर्स: जटिल टोपोलॉजी जहाँ पारंपरिक विधियाँ ऊर्जा-निर्भर पूर्वाग्रहों (biases) से ग्रस्त होती हैं।
- विविधताओं के प्रति मजबूती:
- ICARUS में, "OmniDetector" नमूनों पर प्रशिक्षित DNN ROI मॉडल चरम विविधताओं (जैसे 20% बढ़ी हुई शोर, कम इलेक्ट्रॉन लाइफटाइम) के बावजूद स्थिर प्रदर्शन बनाए रखता है, जबकि पारंपरिक एल्गोरिदम महत्वपूर्ण गिरावट (Efficiency × Purity में 7% तक की गिरावट) दिखाता है।
- SBND में, ऑग्मेंटेशन के साथ प्रशिक्षित नेटवर्क ने मृत वायर क्षेत्रों को सफलतापूर्वक पहचाना और अनदेखा किया, जबकि केवल नाममात्र (nominal) डेटा पर प्रशिक्षित मॉडलों ने उन क्षेत्रों में अवास्तविक (unphysical) ROIs का उत्पादन किया।
- वास्तविक डेटा सत्यापन: SBND कॉस्मिक डेटा का विश्लेषण पुष्टि करता है कि DNN ROI पारंपरिक विधि के तुलनीय इंटर-प्लेन चार्ज बैलेंस को बनाए रखता है, जो सिमुलेशन से परे इसकी प्रयोज्यता को प्रमाणित करता है।
- एब्लेशन अध्ययन (Ablation Studies): इनपुट चैनल्स (MP2 या MP3) को हटाने से सामान्य न्यूट्रिनो घटनाओं के लिए मामूली प्रदर्शन गिरावट हुई, लेकिन विशिष्ट चुनौतीपूर्ण टोपोलॉजी (लंबे ट्रैक्स और शॉवर्स) के लिए ध्यान देने योग्य गिरावट देखी गई, जो क्रॉस-प्लेन ज्यामितीय बाधाओं के मूल्य की पुष्टि करती है।
महत्व
यह शोध दावा करता है कि DNN ROI लिक्विड आर्गन टीपीसी (LArTPCs) के लिए सिग्नल प्रोसेसिंग के लिए एक लचीला और मजबूत ढांचा प्रदान करता है, जो ह्यूरिस्टिक-आधारित विधियों की सीमाओं को पार करता है। पूरे 2D डिटेक्टर रीडआउट और क्रॉस-प्लेन मिलान का लाभ उठाकर, यह विधि आयनीकरण आवेश निष्कर्षण और कण ऊर्जा पुनर्गठन की सटीकता में सुधार करती है। लेखक इस बात पर जोर देते हैं कि डिटेक्टर विविधताओं के विरुद्ध प्रदर्शित मजबूती इस दृष्टिकोण को वर्तमान SBN संचालन के लिए उपयुक्त बनाती है और भविष्य के बड़े पैमाने के प्रयोगों, जैसे कि डीप अंडरग्राउंड न्यूट्रिनो एक्सपेरिमेंट (DUNE), के लिए अनुकूलनीय बनाती है। यह कार्य जटिल डिटेक्टर स्थितियों को संभालने और भौतिकी की पहुंच (physics reach) में सुधार करने के लिए न्यूट्रिनो प्रयोगों के मुख्य सिग्नल प्रोसेसिंग श्रृंखलाओं में मशीन लर्निंग को एकीकृत करने के लिए एक मिसाल कायम करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।
हर हफ़्ते physics के बेहतरीन पेपर पाएँ।
Stanford, Cambridge और French Academy of Sciences के रिसर्चर हम पर भरोसा करते हैं।
अपना सब्सक्रिप्शन पक्का करने के लिए इनबॉक्स देखें।
कुछ गड़बड़ हो गई। फिर से कोशिश करें?
कोई स्पैम नहीं, कभी भी अनसब्सक्राइब करें।