⚛️ high-energy experiments

Optimized filtering for pulse-shape based pile-up rejection applied to $0\nu\beta\beta$ search with $^{100}$ Mo

यह शोध पत्र क्रायोजेनिक डिटेक्टरों के लिए एक अनुकूलित डिजिटल फ़िल्टरिंग एल्गोरिदम प्रस्तुत करता है जो उच्च सिग्नल दक्षता बनाए रखते हुए, पिछले तरीकों की तुलना में न्यूट्रिनोलेस डबल बीटा क्षय खोजों में पाइल-अप प्रेरित बैकग्राउंड को 31% तक महत्वपूर्ण रूप से कम करता है।

मूल लेखक: V. Berest, M. Buchynska, P. Carniti, A. Giuliani, C. Gotti, H. Khalife, P. Loaiza, P. de Marcillac, C. Nones, M. Pageot, E. Olivieri, G. Pessina, D. V. Poda, J. A. Scarpaci, B. Schmidt, A. S. Zolotaro

प्रकाशित 2026-06-17

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: V. Berest, M. Buchynska, P. Carniti, A. Giuliani, C. Gotti, H. Khalife, P. Loaiza, P. de Marcillac, C. Nones, M. Pageot, E. Olivieri, G. Pessina, D. V. Poda, J. A. Scarpaci, B. Schmidt, A. S. Zolotarova

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

यहाँ एक सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।

मुख्य विचार: तूफान में फुसफुसाहट सुनना

कल्पना कीजिए कि आप एक बहुत ही शोर वाले कमरे में एक विशिष्ट, अकेली फुसफुसाहट (एक दुर्लभ परमाणु घटना जिसे न्यूट्रिनोलेस डबल बीटा डिके कहा जाता है) को सुनने की कोशिश कर रहे हैं। समस्या यह है कि कमरा लगातार बातें कर रहे लोगों (बैकग्राउंड नॉइज़) से भरा हुआ है।

इससे भी बदतर बात यह है कि कभी-कभी दो लोग लगभग एक ही समय पर बात करते हैं। उनकी आवाज़ें आपस में मिल जाती हैं, जिससे एक ऐसी आवाज़ पैदा होती है जो बिल्कुल उसी विशेष फुसफुसाहट जैसी लगती जिसे आप ढूँढ रहे हैं। भौतिक विज्ञान (physics) में, इस ओवरलैप को "पाइल-अप" (pile-up) कहा जाता है।

यदि आप वास्तविक फुसफुसाहट और उस ओवरलैपिंग शोर के बीच अंतर नहीं कर पाते हैं, तो आपको गलत अलार्म मिलेंगे, और आपका प्रयोग विफल हो जाएगा। यह शोध पत्र उस ओवरलैपिंग शोर को फ़िल्टर करने का एक नया, स्मार्ट तरीका प्रस्तुत करता है ताकि वैज्ञानिक वास्तविक सिग्नल को सुन सकें।

समस्या: "डबल-क्लैप" का भ्रम

वैज्ञानिक क्रिस्टल (विशेष रूप से मोलिब्डेनम-100) से बने एक विशेष प्रकार के डिटेक्टर का उपयोग कर रहे हैं। ये क्रिस्टल सुपर-सेंसिटिव माइक्रोफोन की तरह होते हैं जो किसी कण के टकराने पर थोड़े गर्म हो जाते हैं।

वास्तविक सिग्नल: एक अकेला कण टकराता है, जिससे गर्मी का एक साफ, सुचारू "ब्लिप" (झटका) बनता है।
पाइल-अप (Pile-Up): दो कण क्रिस्टल से लगभग तुरंत (एक मिलीसेकंड के भीतर) टकराते हैं। डिटेक्टर एक बड़ा, अस्त-व्यस्त "ब्लिप" देखता है जो एक सिंगल इवेंट जैसा दिखता है, लेकिन वास्तव में यह दो घटनाओं का एक साथ मिला हुआ रूप है।

चूंकि वह "अस्त-व्यस्त ब्लिप" वास्तविक सिग्नल जैसा ही दिखता है, इसलिए इसे फ़िल्टर करने के पुराने तरीके पर्याप्त नहीं थे। वे कुछ नकली संकेतों को पकड़ने के चक्कर में बहुत सारे वास्तविक संकेतों को भी हटा रहे थे।

समाधान: एक स्मार्ट "साउंड इंजीनियर"

लेखकों ने एक नया डिजिटल फ़िल्टर (एक गणितीय उपकरण) बनाया है जो एक सुपर-स्मार्ट साउंड इंजीनियर की तरह काम करता है। केवल वॉल्यूम (आवाज़ के स्तर) को सुनने के बजाय, यह इंजीनियर ध्वनि तरंग के आकार (shape) और बनावट (texture) का विश्लेषण करता है।

यहाँ उनका नया तरीका एक उदाहरण के माध्यम से बताया गया है:

"दो-फ़िल्टर" वाली तरकीब
कल्पना कीजिए कि आप एक ड्रम की एक एकल थाप और दो ड्रम की थापों के बीच अंतर करने की कोशिश कर रहे हैं जो इतनी तेज़ी से हुईं कि वे एक जैसी लग रही हैं।

फ़िल्टर A ध्वनि की "सुचारूता" (smoothness) को सुनने के लिए ट्यून किया गया है। इसे साफ, सिंगल ड्रम हिट पसंद है।
फ़िल्टर B उस "खुरदरेपन" या तीखे किनारों को सुनने के लिए ट्यून किया गया है जो दो थापों के ओवरलैप होने पर पैदा होते हैं।

नया एल्गोरिदम केवल फ़िल्टर A या फ़िल्टर B के परिणाम को अकेले नहीं देखता है। इसके बजाय, यह दोनों के अनुपात (ratio) (तुलना) को लेता है।

यदि ध्वनि एक सिंगल हिट है, तो अनुपात स्थिर रहता है।
यदि ध्वनि एक अस्त-व्यस्त ओवरलैप है, तो अनुपात नाटकीय रूप से बदल जाता है।

इन दो दृष्टिकोणों की निरंतर तुलना करके, एल्गोरिदम पहले की तुलना में बहुत अधिक सटीकता के साथ "नकली" ओवरलैपिंग घटनाओं को पहचान सकता है।

उन्होंने इसे कैसे बनाया

वैज्ञानिकों ने इस फ़िल्टर के लिए केवल अंदाज़ा नहीं लगाया। उन्होंने एक कंप्यूटर का उपयोग करके इसे "ट्रेन" किया, ठीक वैसे ही जैसे आप किसी कुत्ते को प्रशिक्षित करते हैं।

उन्होंने कंप्यूटर को वास्तविक सिग्नल्स और नकली ओवरलैपिंग सिग्नल्स के हज़ारों उदाहरण दिए।
कंप्यूटर ने अपने आंतरिक नॉब्स (गणितीय भार/weights) को प्रति सेकंड लाखों बार समायोजित किया ताकि वह सबसे सटीक सेटिंग पा सके जो ज़्यादा से ज़्यादा नकली संकेतों को पकड़े और ज़्यादा से ज़्यादा वास्तविक संकेतों को जाने दे।
उन्होंने ग्रेडिएंट डिसेंट (gradient descent) (एक पहाड़ी से नीचे उतरकर सबसे निचले बिंदु को खोजने की विधि) नामक एक शक्तिशाली तकनीक का उपयोग किया ताकि फ़िल्टर की सबसे अच्छी सेटिंग्स मिल सकें।

परिणाम: एक स्पष्ट सिग्नल

जब उन्होंने CROSS एक्सपेरिमेंट (जो भविष्य के CUPID एक्सपेरिमेंट के लिए एक परीक्षण रन है) के डेटा पर इस नए फ़िल्टर का परीक्षण किया:

लक्ष्य: वे 90% वास्तविक सिग्नल्स को बनाए रखना चाहते थे (एफिशिएंसी)।
जीत: नए फ़िल्टर के साथ, वे पुराने तरीके की तुलना में 31% अधिक नकली ओवरलैपिंग सिग्नल्स को खारिज करने में सक्षम थे।

इसे ऐसे समझें: यदि पुराने तरीके ने 100 नकली सिग्नल पकड़े, तो नया तरीका 131 नकली सिग्नल पकड़ता है, बिना किसी वास्तविक फुसफुसाहट को खोए। यह एक बहुत बड़ा सुधार है, क्योंकि ऐसे प्रयोग में जहाँ हर एक गलत अलार्म मायने रखता है, वहाँ यह बहुत महत्वपूर्ण है।

यह क्यों महत्वपूर्ण है

यह शोध पत्र विशेष रूप रूप से क्रायोजेनिक डिटेक्टर्स (डिटेक्टर जिन्हें परम शून्य/absolute zero के करीब रखा जाना चाहिए) पर केंद्रित है जो न्यूट्रिनोलेस डबल बीटा डिके की खोज कर रहे हैं।

लेखकों का कहना है कि यह विधि अन्य डिटेक्टर तकनीकों के लिए भी व्यापक रूप से लागू की जा सकती है, लेकिन उनके विशिष्ट परिणाम और संख्याएं पूरी तरह से मोलिब्डेनम क्रिस्टल का उपयोग करके इस विशिष्ट परमाणु क्षय (nuclear decay) की खोज में सुधार करने के बारे में हैं।
उन्होंने यह दावा नहीं किया कि यह इस पेपर में मेडिकल इमेजिंग या अन्य क्षेत्रों में काम करता है; इसका पूरा ध्यान भौतिकी के प्रयोगों को अधिक संवेदनशील बनाने पर है।

सारांश

यह शोध पत्र वैज्ञानिकों के लिए एक नया गणितीय "कान" पेश करता है। एक सिग्नल को सुनने के दो अलग-अलग तरीकों की तुलना करके, यह नया उपकरण पहचान सकता है कि कब दो घटनाएं गलती से एक में मिल गई हैं। इससे उन्हें शोर को अनदेखा करने और उन दुर्लभ, बहुमूल्य संकेतों पर ध्यान केंद्रित करने में मदद मिलती है जो ब्रह्मांड के रहस्यों, विशेष रूप से न्यूट्रिनो की प्रकृति के बारे में खुलासा कर सकते हैं।

तकनीकी सारांश: $^{100}$ Mo के साथ $0\nu\beta\beta$ खोज में पल्स-शेप आधारित पाइल-अप रिजेक्शन के लिए अनुकूलित फ़िल्टरिंग

समस्या विवरण
दुर्लभ-घटनाओं की खोज में, जैसे कि क्रायोजेनिक कैलोरीमीटरों का उपयोग करके न्यूट्रिनोलेस डबल बीटा डिके ( $0\nu\beta\beta$ ) की खोज, पाइल-अप इवेंट्स—जहाँ अलग-अलग सिग्नल अस्थायी रूप से ओवरलैप होते हैं—एक गंभीर चुनौती पेश करते हैं। $^{100}$ Mo का उपयोग करने वाले डिटेक्टरों के लिए, जैसे कि CUPID प्रयोग, प्रमुख बैकग्राउंड स्रोत दो-न्यूट्रिनो डबल बीटा डिके ( $2\nu\beta\beta$ ) इवेंट्स के पाइल-अप से उत्पन्न होने की उम्मीद है। ये इवेंट्स 3034 keV पर मोनो-एनर्जेटिक $0\nu\beta\beta$ सिग्नल की नकल कर सकते हैं। मौजूदा विश्लेषण तकनीकें, जिनमें मानक ऑप्टिमल फ़िल्टरिंग और $\chi^2$ -आधारित रिजेक्शन शामिल हैं, तब अपनी विभेदन शक्ति (discrimination power) खो देती हैं जब पल्स के बीच का समय अंतराल पल्स के राइज टाइम (विशेष रूप से अध्ययन किए गए डिटेक्टरों के लिए $\Delta t < 0.8$ ms) से कम होता है। इसके लिए सिग्नल दक्षता (signal efficiency) से समझौता किए बिना बैकग्राउंड को कम करने के लिए उन्नत सॉफ्टवेयर-आधारित विभेदन विधियों की आवश्यकता है।

कार्यप्रणाली (Methodology)
लेखक सिग्नल के फ्रीक्वेंसी-डोमेन विवरण पर आधारित एक अनुकूलित डिजिटल फ़िल्टर प्राप्त करने के लिए एक ढांचा प्रस्तावित करते हैं। यह विधि मानती है:

डिटेक्टर का एक पूर्णतः ज्ञात, ऊर्जा-स्वतंत्र इम्पल्स रिस्पॉन्स $s(t)$ ।
स्टेशनरी, जीरो-मीन गॉसियन नॉइज़, जिसे पावर स्पेक्ट्रल डेंसिटी (PSD) $P_N(\omega)$ द्वारा अभिलक्षणित किया गया है।
पाइल-अप इवेंट्स को सापेक्ष आयाम $r$ और समय अंतराल $\Delta t$ वाले दो पल्स के योग के रूप में मॉडल किया गया है।

मुख्य विधि एक डिस्क्रिमिनेंट पैरामीटर $Y$ के निर्माण में निहित है जो दो आयाम अनुमानकों (amplitude estimators), $X[m_1]$ और $X[m_2]$ के अनुपात पर आधारित है, जो मापे गए सिग्नल $\hat{x}(\omega)$ से प्राप्त होते हैं:
$Y = \frac{X[m_1]}{X[m_2]}$
जहाँ $X[m_i]$ एक ट्रांसफर फंक्शन $H(\omega)$ और एक वेटिंग फंक्शन $m_i(\omega)$ द्वारा फ़िल्टर किए गए सिग्नल के इनवर्स फूरियर ट्रांसफॉर्म के रियल पार्ट का मैक्सिमम है। मानक ऑप्टिमल फ़िल्टर $H(\omega)$ सिग्नल-टू-नॉइज़ रेशियो (SNR) को अधिकतम करता है, जबकि वेटिंग फंक्शन $m_1(\omega)$ और $m_2(\omega)$ अनुकूलित किए जाने वाले चर हैं।

अनुकूलन लक्ष्य एक निश्चित सिंगल-पल्स स्वीकृति दक्षता $\epsilon$ के अधीन वैश्विक पाइल-अप मिसआइडेंटिफिकेशन रेट $\langle M \rangle$ को कम करना है, जो कि एक पाइल-अप इवेंट को गलत तरीके से सिंगल पल्स के रूप में वर्गीकृत करने की संभावना है। लेखक PyTorch और ऑटोमैटिक डिफरेंशिएशन का उपयोग करके वेटिंग फंक्शनों $m_1(\omega)$ और $m_2(\omega)$ पर ग्रेडिएंट डिसेंट करने के लिए करते हैं, जिन्हें फ्रीक्वेंसी बिन्स पर डिस्क्रीटाइज किए गए ट्रेन करने योग्य पैरामीटर्स के रूप में माना जाता है। कॉस्ट फंक्शन का मूल्यांकन $2\nu\beta\beta$ इवेंट्स के अपेक्षित वितरणों द्वारा भारित (weighted), समय अंतराल और आयाम अनुपातों के ग्रिड पर किया जाता है।

प्रमुख योगदान

अनुकूलन ढांचा (Optimization Framework): क्रायोजेनिक कैलोरीमीटरों में अनुकूलित फ्रीक्वेंसी-डोमेन फिल्टरों का उपयोग करके पाइल-अप इवेंट्स को मॉडल करने, पहचानने और रिजेक्ट करने के लिए एक सामान्य, मात्रात्मक ढांचे का विकास।
अनुपात-आधारित डिस्क्रिमिनेंट (Ratio-Based Discriminant): एक अनुपात-आधारित डिस्क्रिमिनेंट पैरामीटर का कार्यान्वयन, जो आयाम उतार-चढ़ाव के प्रति संवेदनशीलता को कम करने और सिंगल-एम्प्लीट्यूड विधियों की तुलना में विभेदन शक्ति में सुधार करने के लिए दो फ़िल्टर्ड ऑब्जर्वेबल्स के बीच सहसंबंध का लाभ उठाता है।
कंप्यूटेशनल कार्यान्वयन: GPU एक्सेलेरेशन के माध्यम से कुशल प्रशिक्षण सक्षम करने के लिए एक मॉड्यूलर पायथन कार्यान्वयन, जो बड़े पैरामीटर ग्रिड को संभालने में सक्षम है।
व्यवस्थित सत्यापन (Systematic Validation): पल्स टेम्पलेट चयन, प्रोसेसिंग विंडो साइज, पल्स पोजीशन और ग्रिड डिस्क्रीटाइजेशन से उत्पन्न व्यवस्थित अनिश्चितताओं का एक व्यापक अध्ययन।

परिणाम
विधि को CROSS प्रयोग के डेटा का उपयोग करके सत्यापित किया गया था, जिसने नेगेनोव-ट्रोफिमोव-लुक (NTL) एम्प्लीफिकेशन के साथ कपल्ड लाइट डिटेक्टर्स (LDs) वाले स्किंटिलेटिंग $Li_2^{100}MoO_4$ क्रिस्टल टॉवर का संचालन किया था।

प्रदर्शन में सुधार: संदर्भ विधि (जो पहले Eur. Phys. J. C 83(5), 373 (2023) में प्रस्तुत की गई थी) की तुलना में, नया अनुकूलित फ़िल्टर 90% सिंगल-पल्स दक्षता पर पाइल-अप प्रेरित बैकग्राउंड इंडेक्स (BI) को औसतन 31% कम करता है।
बैकग्राउंड इंडेक्स: नया तरीका उपयोग करने पर अनुमानित औसत अवशिष्ट बैकग्राउंड इंडेक्स $5.9 \times 10^{-5}$ cts/keV/kg/yr (मीडियन: $5.7 \times 10^{-5}$ ) है, जो CUPID के डिजाइन लक्ष्य $5.0 \times 10^{-5}$ cts/keV/kg/yr के करीब पहुँच रहा है।
फ़िल्टर की विशेषताएं: अनुकूलित फ़िल्टर्स $m_1(\omega)$ और $m_2(\omega)$ पूरक फ्रीक्वेंसी वेटिंग प्रदर्शित करते हैं। $m_1(\omega)$ पाइल-अप को हल करने के लिए आवश्यक उच्च-आवृत्ति विशेषताओं को बढ़ाने के लिए 1–3 kHz रेंज में बढ़ता हुआ रिस्पॉन्स दिखाता है, जबकि $m_2(\omega)$ बल्क सिग्नल शेप पर जोर देने के लिए इस क्षेत्र में गेन को न्यूनतम करता है।
सिस्टमैटिक्स: अध्ययन ने पहचाना कि पल्स टेम्पलेट का चुनाव परिणामों को महत्वपूर्ण रूप से प्रभावित करता है (BI में 13% तक का बदलाव)। लेखक एकल उच्च-ऊर्जा पल्सों में हाई-फ्रीक्वेंसी नॉइज़ इम्प्रिंट्स से होने वाले आर्टिफैक्ट्स से बचने के लिए एक "एवरेज पल्स" टेम्पलेट को एक रूढ़िवादी विकल्प के रूप में उपयोग करने की सिफारिश करते हैं।
डिटेक्टर निर्भरता: डिटेक्टर वर्किंग पॉइंट्स (बायस करंट) पर एक प्रारंभिक अध्ययन सुझाव देता है कि ऑपरेटिंग पॉइंट का व्यक्तिगत अनुकूलन पाइल-अप रिजेक्शन को और बेहतर बना सकता है, जिसमें विभिन्न डिटेक्टरों के लिए बैकग्राउंड रिजेक्शन में कारक दो तक का अंतर देखा गया है।

महत्व और दावे
पेपर का दावा है कि प्रस्तावित अनुपात-आधारित डिस्क्रिमिनेंट धीमे थर्मल रिस्पॉन्स वाले क्रायोजेनिक कैलोरीमीटरों के लिए प्रासंगिक डोमिनेंट पाइल-अप फीचर्स को कैप्चर करता है। यह हार्डवेयर परिवर्तनों की अनुपस्थिति में विश्लेषण तकनीकों को अनुकूलित करने के लिए एक मजबूत, कम्प्यूटेशनल रूप से कुशल उपकरण प्रदान करता है। लेखक कहते हैं कि हालांकि यह विधि स्टेशनरी नॉइज़ और पल्स शेप के अनुमानों पर निर्भर करती है, यह विविध डिटेक्टरों में महत्वपूर्ण और मजबूत बैकग्राउंड रिडक्शन प्रदर्शित करती है।

यह कार्य हार्डवेयर विकास (जैसे तेज़ सेंसर या बेहतर NTL एम्प्लीफिकेशन कवरेज) के लिए एक पूरक "सॉफ्टवेयर हैंडल" के रूप में इस तकनीक को स्थापित करता है। लेखक नोट करते हैं कि CUPID प्रयोग के पूर्ण विस्तार के लिए परिणामों का एक्सट्रपलेशन नॉइज़ एनवायरनमेंट, विशेष रूप से O(1) kHz रेंज में, पर निर्भर करता है, और भविष्य के अपग्रेड से और अधिक सुधार की उम्मीद है। यह ढांचा व्यापक रूप से लागू करने योग्य है और विशिष्ट $^{100}$ Mo खोज से परे विभिन्न डिटेक्टर प्रौद्योगिकियों और प्रयोगात्मक संदर्भों के लिए उपयुक्त है।