⚛️ high-energy experiments

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

Questo articolo presenta un algoritmo di filtraggio digitale ottimizzato per rivelatori criogenici che riduce significativamente il fondo indotto da pile-up nelle ricerche del decadimento doppio beta senza neutrini del 31% rispetto ai metodi precedenti, mantenendo al contempo un'elevata efficienza del segnale.

Autori originali: 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

Pubblicato 2026-06-17

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: 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

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il quadro generale: Ascoltare un sussurro in una tempesta

Immaginate di cercare di sentire un singolo, specifico sussurro (un raro evento nucleare chiamato decadimento doppio beta senza neutrini) in una stanza molto rumorosa. Il problema è che la stanza è piena di persone che parlano costantemente (rumore di fondo).

Ancora peggio, a volte due persone parlano quasi esattamente nello stesso momento. Le loro voci si sovrappongono, creando un suono che sembra esattamente il sussurro speciale che state cercando. In fisica, questa sovrapposizione è chiamata "pile-up" (accumulo).

Se non riuscite a distinguere il vero sussurro dal chiacchiericcio sovrapposto, otterrete falsi allarmi e il vostro esperimento fallirà. Questo articolo presenta un nuovo modo più intelligente per filtrare quel chiacchiericcio sovrapposto, in modo che gli scienziati possano sentire il segnale reale.

Il problema: La confusione del "doppio battito"

Gli scienziati stanno utilizzando un tipo speciale di rivelatore fatto di cristalli (specificamente Molibdeno-100). Questi cristalli sono come microfoni super sensibili che si scaldano leggermente quando una particella li colpisce.

Il Segnale Reale: Una singola particella colpisce, creando un "picco" di calore pulito e fluido.
Il Pile-up: Due particelle colpiscono il cristallo quasi istantaneamente (in meno di un millisecondo). Il rivelatore vede un unico grande "picco" disordinato che sembra un singolo evento, ma che in realtà sono due eventi schiacciati insieme.

Poiché il "picco disordinato" assomiglia molto al "segnale reale", i vecchi metodi per filtrarlo non erano abbastanza efficaci. Scartavano troppi segnali reali pur di catturarne alcuni falsi.

La soluzione: Un "ingegnere del suono" intelligente

Gli autori hanno creato un nuovo filtro digitale (uno strumento matematico) che agisce come un ingegnere del suono super intelligente. Invece di ascoltare solo il volume, questo ingegnere analizza la forma e la trama dell'onda sonora.

Ecco come funziona il loro nuovo metodo, usando un'analogia:

Il trucco dei "due filtri"
Immaginate di cercare di distinguere tra un singolo colpo di tamburo e due colpi di tamburo avvenuti così velocemente da sembrare uno solo.

Il Filtro A è sintonizzato per sentire la "fluidità" del suono. Ama il colpo di tamburo singolo e pulito.
Il Filtro B è sintonizzato per sentire la "ruvidità" o i bordi netti che si verificano quando due colpi si sovrappongono.

Il nuovo algoritmo non si limita a guardare il risultato del Filtro A o del Filtro B da soli. Inveve, prende il rapporto (il confronto) tra i due.

Se il suono è un singolo colpo, il rapporto rimane costante.
Se il suono è una sovrapposizione disordinata, il rapporto cambia drasticamente.

Confrontando costantemente queste due prospettive, l'algoritmo può individuare gli eventi sovrapposti "falsi" con una precisione molto maggiore rispetto al passato.

Come lo hanno costruito

Gli scienziati non hanno solo indovinato le impostazioni per questo filtro. Hanno usato un computer per "addestrarlo", in modo simile a come si potrebbe addestrare un cane.

Hanno fornito al computer migliaia di esempi di segnali reali e di segnali sovrapposti falsi.
Il computer ha regolato le sue manopole interne (pesi matematici) milioni di volte al secondo per trovare l'impostazione perfetta che cattura il maggior numero di falsi lasciando passare la maggior parte dei segnali reali.
Hanno utilizzato una tecnica potente chiamata discesa del gradiente (un metodo per scendere lentamente da una collina per trovare il punto più basso) per trovare le migliori impostazioni possibili del filtro.

I risultati: Un segnale più chiaro

Quando hanno testato questo nuovo filtro sui dati dell'esperimento CROSS (una fase di test per il futuro esperimento CUPID):

L'obiettivo: Volevano mantenere il 90% dei segnali reali (efficienza).
La vittoria: Con il nuovo filtro, sono stati in grado di scartare il 31% in più di segnali sovrapposti falsi rispetto al vecchio metodo.

Pensatela così: se il vecchio metodo catturava 100 segnali falsi, il nuovo metodo ne cattura 131, senza perdere i sussurri reali. È un enorme miglioramento per un esperimento in cui ogni singolo falso allarme conta.

Perché è importante

L'articolo si concentra specificamente sui rivelatori criogenici (rivelatori che devono essere mantenuti vicino allo zero assoluto) che cercano il decadimento doppio beta senza neutrini.

Gli autori affermano che questo metodo è ampiamente applicabile ad altre tecnologie di rivelazione, ma i loro risultati e numeri specifici riguardano strettamente il miglioramento della ricerca di questo specifico decadimento nucleare utilizzando cristalli di Molibdeno.
Non hanno sostenuto che questo funzioni per l'imaging medico o altri campi in questo articolo; l'attenzione è interamente volta a rendere più sensibili gli esperimenti di fisica.

Riassunto

L'articolo introduce un nuovo "orecchio" matematico per gli scienziati. Confrontando due diversi modi di ascoltare un segnale, questo nuovo strumento può individuare quando due eventi si sono accidentalmente fusi in uno solo. Ciò consente di ignorare il rumore e concentrarsi sui segnali rari e preziosi che potrebbero svelare i segreti dell'universo, in particolare riguardo alla natura dei neutrini.

Sintesi Tecnica: Filtraggio Ottimizzato per la Rigetto del Pile-up Basato sulla Forma dell'Impulso nella Ricerca di $0\nu\beta\beta$ con $^{100}$ Mo

Definizione del Problema
Nelle ricerche di eventi rari, come la ricerca del decadimento doppio beta senza neutrini ( $0\nu\beta\beta$ ) utilizzando calorimetri criogenici, gli eventi di pile-up — in cui segnali distinti si sovrappongono temporalmente — rappresentano una sfida critica. Per i rivelatori che utilizzano $^{100}$ Mo, come l'esperimento CUPID, la fonte principale di fondo dovrebbe derivare dal pile-up di eventi di decadimento doppio beta con due neutrini ( $2\nu\beta\beta$ ). Questi eventi possono mimare il segnale monoenergetico di $0\nu\beta\beta$ a 3034 keV. Le attuali tecniche di analisi, inclusi il filtraggio ottimale standard e il rigetto basato su $\chi^2$ , perdono potere discriminante quando la separazione temporale tra gli impulsi è inferiore al tempo di salita del segnale (specificamente $\Delta t < 0,8$ ms per i rivelatori studiati). Ciò rende necessaria l'adozione di metodi avanzati di discriminazione basati su software per mitigare il fondo senza sacrificare l'efficienza del segnale.

Metodologia
Gli autori propongono un framework per derivare un filtro digitale ottimizzato per la discriminazione del pile-up basato su una descrizione del segnale nel dominio della frequenza. Il metodo assume:

Una risposta all'impulso $s(t)$ del rivelatore completamente nota e indipendente dall'energia.
Rumore gaussiano stazionario a media nulla, caratterizzato da una densità spettrale di potenza (PSD) $P_N(\omega)$ .
Eventi di pile-up modellati come la somma di due impulsi con ampiezza relativa $r$ e separazione temporale $\Delta t$ .

Il nucleo del metodo consiste nella costruzione di un parametro discriminante $Y$ basato sul rapporto tra due stimatori di ampiezza, $X[m_1]$ e $X[m_2]$ , derivati dal segnale misurato $\hat{x}(\omega)$ :
$Y = \frac{X[m_1]}{X[m_2]}$
dove $X[m_i]$ è il massimo della parte reale della trasformata inversa di Fourier del segnale filtrato da una funzione di trasferimento $H(\omega)$ e una funzione di ponderazione $m_i(\omega)$ . L'optimal filter standard $H(\omega)$ massimizza il rapporto segnale-rumore (SNR), mentre le funzioni di ponderazione $m_1(\omega)$ e $m_2(\omega)$ sono le variabili da ottimizzare.

L'obiettivo di ottimizzazione è minimizzare il tasso globale di misidentificazione del pile-up $\langle M \rangle$ , definito come la probabilità che un evento di pile-up venga classificato erroneamente come un singolo impulso, soggetto a un'efficienza di accettazione del singolo impulso $\epsilon$ fissa. Gli autori utilizzano PyTorch e la differenziazione automatica per eseguire la discesa del gradiente sulle funzioni di ponderazione $m_1(\omega)$ e $m_2(\omega)$ , trattandole come parametri addestrabili discretizzati su bin di frequenza. La funzione di costo è valutata su una griglia di separazioni temporali e rapporti di ampiezza, pesata dalle distribuzioni attese degli eventi $2\nu\beta\beta$ .

Contributi Chiave

Framework di Ottimizzazione: Sviluppo di un framework generale e quantitativo per modellare, identificare e rigettare eventi di pile-up in calorimetri criogenici utilizzando filtri ottimizzati nel dominio della frequenza.
Discriminante Basato sul Rapporto: Implementazione di un parametro discriminante basato sul rapporto, che sfrutta la correlazione tra due osservabili filtrate per ridurre la sensibilità alle fluttuazioni di ampiezza e migliorare il potere discriminante rispetto ai metodi a singola ampiezza.
Implementazione Computazionale: Un'implementazione Python modulare utilizzando PyTorch che consente un filtraggio efficiente tramite accelerazione GPU, capace di gestire ampie griglie di parametri.
Validazione Sistematica: Uno studio esaustivo delle incertezze sistematiche derivanti dalla selezione del template dell'impulso, dalla dimensione della finestra di elaborazione, dalla posizione dell'impulso e dalla discretizzazione della griglia.

Risultati
Il metodo è stato validato utilizzando i dati dell'esperimento CROSS, che operava una torre di cristalli scintillanti di $Li_2^{100}MoO_4$ accoppiati a rivelatori di luce (LD) con amplificazione Neganov–Trofimov–Luke (NTL).

Miglioramento delle Prestazioni: Rispetto a un metodo di riferimento (precedentemente presentato in Eur. Phys. J. C 83(5), 373 (2023)), il nuovo filtro ottimizzato riduce l'indice di fondo (BI) indotto dal pile-up in media del 31% al 90% di efficienza del singolo impulso.
Indice di Fondo: L'indice di fondo residuo medio estrapolato utilizzando il nuovo metodo è di $5,9 \times 10^{-5}$ cts/keV/kg/anno (mediana: $5,7 \times 10^{-5}$ ), avvicinandosi all'obiettivo di design di CUPID di $5,0 \times 10^{-5}$ cts/keV/kg/anno.
Caratteristiche del Filtro: I filtri ottimizzati $m_1(\omega)$ e $m_2(\omega)$ mostrano una ponderazione in frequenza complementare. $m_1(\omega)$ mostra una risposta crescente nell'intervallo 1–3 kHz per amplificare le caratteristiche ad alta frequenza essenziali per risolvere il pile-up, mentre $m_2(\omega)$ minimizza il guadagno in questa regione per enfatizzare la forma del segnale principale.
Sistematica: Lo studio ha identificato che la scelta del template dell'impulso impatta significativamente i risultati (variazione fino al 13% nel BI). Gli autori raccomandano l'uso di un template di "impulso medio" come opzione conservativa per evitare artefatti derivanti da impronte di rumore ad alta frequenza in singoli impulsi ad alta energia.
Dipendenza dal Rivelatore: Uno studio preliminare sui punti di lavoro dei rivelatori (corrente di bias) suggerisce che l'ottimizzazione individuale del punto operativo può ulteriormente migliorare il rigetto del pile-up, con variazioni nel rigetto del fondo che raggiungono un fattore due per diversi rivelatori.

Significatività e Rivendicazioni
L'articolo afferma che il proposto discriminante basato sul rapporto cattura le caratteristiche dominanti del pile-up rilevanti per i calorimetri criogenici con risposte termiche lente. Esso fornisce uno strumento robusto e computazionalmente efficiente per ottimizzare le tecniche di analisi in assenza di cambiamenti hardware. Gli autori dichiarano che, sebbene il metodo dipenda dalle assunzioni di rumore stazionario e forme d'impulso, dimostra una riduzione del fondo significativa e robusta attraverso diversi rivelatori.

Il lavoro posiziona questa tecnica come un complemento "software handle" agli sviluppi hardware (come sensori più veloci o migliore copertura dell'amplificazione NTL). Gli autori osservano che l'estrapolazione dei risultati al pieno esperimento CUPID dipende dall'ambiente di rumore, in particolare nell'ordine di 1 kHz, e che futuri aggiornamenti all'infrastruttura criogenica di CUPID e alle prestazioni dei rivelatori di luce dovrebbero portare ulteriori miglioramenti. Il framework è presentato come ampiamente applicabile a varie tecnologie di rivelatori e contesti sperimentali oltre alla specifica ricerca di $^{100}$ Mo.