Seven-dimensional Trajectory Reconstruction for VAMOS++

Sintesi Tecnica: Ricostruzione della traiettoria a sette dimensioni per VAMOS++

Definizione del problema
Lo spettrometro magnetico VAMOS++ è uno strumento critico per l'identificazione isotopica nella ricerca della struttura nucleare e dei meccanismi di reazione vicino alla barriera di Coulomb. Il suo funzionamento si basa sulla misurazione della rigidità magnetica ($B\rho$) e della lunghezza della traiettoria ($l$) degli ioni. I metodi standard di ricostruzione della traiettoria, come la consolidata tecnica di mappatura a quattro dimensioni (4D), assumono un volume di interazione del fascio puntiforme. Questa ipotesi è valida per esperimenti che utilizzano bersagli sottili con spot di fascio stretti. Tuttavia, questo approccio diventa un limite significativo per esperimenti che coinvolgono ampi spot di fascio o volumi di bersaglio gassosi estesi, come quelli pianificati per lo studio della dinamica della fissione. In questi scenari, la posizione tridimensionale del punto di interazione del fascio all'interno del bersaglio non può essere trascurata, poiché le variazioni nelle coordinate di interazione (particolarmente la posizione orizzontale $x_i$) inducono aberrazioni ottiche sostanziali e variazioni nella lunghezza della traiettoria che il metodo 4D non è in grado di risolvere adeguatamente. L'estensione del metodo basato su matrici 4D per includere queste dimensioni aggiuntive è computazionalmente impraticabile a causa delle dimensioni eccessive delle matrici richieste.

Metodologia
Per affrontare la natura ad alta dimensionalità e non lineare dell'ottica ionica in VAMOS++, gli autori hanno sviluppato un metodo di ricostruzione della traiettoria a sette dimensioni (7D) utilizzando reti neurali profonde artificiali (DNN).

• Input e Output: La DNN riceve sette coordinate di input: la posizione di interazione del fascio all'interno del volume del bersaglio ($x_i, y_i, z_i$), gli angoli orizzontali e verticali dei prodotti di reazione in uscita ($\theta_i, \phi_i$), e la posizione e l'angolo orizzontale finale al piano focale ($x_f, \theta_f$). La rete produce la rigidità magnetica relativa ($\delta = B\rho/B\rho_0$) e la lunghezza della traiettoria relativa ($\epsilon = l_f/l_0$).
• Dataset di Addestramento: La rete è stata addestrata su un dataset teorico di $2 \times 10^8$ traiettorie ioniche generate utilizzando il codice standard di ray-tracing magnetico ZGOUBI. Il dataset ha coperto l'intero intervallo operativo dello spettrometro, inclusi regimi di rigidità relativa $\delta \in [0.7, 1.4]$ e volumi di interazione definiti da $x_b \in [-3, 3]$ mm, $y_b \in [-6, 6]$ mm e $z_b \in [-70, 50]$ mm.
• Architettura della Rete: È stata selezionata un'architettura di rete neurale feed-forward densa e profonda. Attraverso una valutazione tra complessità e prestazioni, l'architettura ottimale è stata determinata essere $N_l \times N_u = 6 \times 32$ (6 strati con 32 neuroni ciascuno), risultando in circa 5.569 parametri addestrabili. Questa architettura è stata scelta per bilanciare la risoluzione con l'efficienza computazionale.
• Flusso di Addestramento: Il processo di addestramento ha comportato il monitoraggio della deviazione quadratica media (RMSD) per $\delta$ ed $\epsilon$. La rete è stata validata rispetto a dati sperimentali di bersagli sottili per garantire che la larghezza a metà altezza (FWHM) del numero di massa atomica ($A$) ricostruito fosse ottimizzata. L'addestramento è stato interrotto quando l'ulteriore convergenza non produceva miglioramenti sperimentali, evitando l'overfitting.

Contributi Chiave

1. Sviluppo della Ricostruzione 7D: Il documento presenta un nuovo metodo capace di gestire il problema non lineare a sette dimensioni della ricostruzione della traiettoria ionica, incorporando esplicitamente le coordinate 3D di interazione del fascio.
2. Implementazione del Deep Learning: Dimostra l'efficacia delle reti neurali profonde nel modellare l'ottica ionica complessa e non lineare, dove i metodi tradizionali basati su matrici falliscono a causa dei vincoli di dimensionalità.
3. Efficienza: Il metodo 7DNN proposto raggiunge una velocità di elaborazione di $1.4 \times 10^6$ eventi al secondo con un'impronta di memoria di circa 22 kB, rendendolo adatto sia per l'analisi online che offline. Questo rappresenta una riduzione significativa dell'uso della memoria rispetto al metodo 4D, che richiede circa 1 GB per le sue matrici compresse.

Risultati

• Precisione Intrinseca: Quando applicato al completo dataset teorico generato da ZGOUBI, il metodo ha raggiunto una precisione di ricostruzione intrinseca di FWHM($\delta_c - \delta_r$) = 0.65‰ e FWHM($\epsilon_c - \epsilon_r$) = 0.18‰. La precisione è rimasta costante attraverso varie coordinate di interazione ($x_i, z_i$) e parametri del piano focale ($x_f, \theta_f$).
• Validazione Sperimentale: Il metodo è stato validato utilizzando dati sperimentali dall'esperimento E826 GANIL (reazioni di fusione-fissione con bersaglio sottile). La risoluzione del numero di massa atomica ricostruito, FWHM($A$)/$A$, è variata dal 4‰ per i frammenti di fissione pesanti al 7‰ per i frammenti leggeri.
• Confronto con il Metodo 4D: Nella validazione sperimentale, il metodo 7DNN ha dimostrato prestazioni comparabili al metodo 4D standard per i frammenti di fissione leggeri e un leggero vantaggio per i frammenti di fissione pesanti.
• Impatto della Risoluzione del Rivelatore: Le simulazioni hanno indicato che, sebbene la risoluzione intrinseca della DNN sia elevata, la risoluzione della massa finale è dominata dalle risoluzioni dei rivelatori, in particolare il tempo di volo ($t$) e gli angoli orizzontali ($\theta_i, \theta_f$). Quando tutte le risoluzioni dei rivelatori sono state incluse nella simulazione, i valori previsti di FWHM($A$)/$A$ (6.32‰ per $A=80$ e 4.17‰ per $A=160$) hanno corrisponduto strettamente ai risultati sperimentali.

Significato e Prospettive Future
Il documento afferma che il metodo 7DNN rappresenta un avanzamento significativo per VAMOS++, offrendo una risoluzione comparabile o superiore ai metodi precedentemente impiegati, consentendo al contempo l'analisi di esperimenti con volumi di interazione estesi. Gli autori sottolineano che questa capacità è essenziale per i programmi imminenti che utilizzano voluminosi bersagli gassosi, dove l'asse ottico dello spettrometro sarà ruotato rispetto all'asse del fascio, rendendo necessaria l'inclusione esplicita delle coordinate di interazione 3D. Inoltre, la velocità e l'efficienza del modello suggeriscono la sua utilità nelle rapide simulazioni di trasmissione ionica, facilitando potenzialmente lo sviluppo di un "gemello digitale" dello spettrometro per aiutare nelle determinazioni assolute delle sezioni d'urto e nelle misurazioni della resa di fissione. Gli autori enfatizzano che il metodo è specificamente progettato per superare i limiti delle ipotesi di fascio puntiforme negli spettrometri ad ampia accettanza.