CUORE Data Release for ML Applications: Pulse Shape Analysis Dataset

Sintesi Tecnica: Rilascio dei Dati CUORE per Applicazioni ML

Enunciato del Problema
L'esperimento CUORE (Cryogenic Underground Observatory for Rare Events) ricerca il decadimento doppio beta senza neutrini ($0\nu\beta\beta$) del $^{130}\text{Te}$. Una significativa sorgente di fondo in questa ricerca deriva dagli eventi di "pile-up", in cui due o più interazioni separate di particelle depositano energia all'interno dello stesso intervallo di 10 secondi di un singolo calorimetro a cristallo. Questi eventi di pile-up possono simulare la firma energetica di un evento a singola particella o distorcere il fondo vicino al picco di decadimento atteso ($Q_{\beta\beta}$). Sebbene la collaborazione abbia stabilito metodi basati sulla fisica per identificare questi eventi, vi è una crescente richiesta di dataset scientifici aperti per sviluppare e testare algoritmi di Intelligenza Artificiale e Machine Learning (AI/ML) per l'analisi della forma dell'impulso e la classificazione nella calorimetria criogenica.

Metodologia e Costruzione del Dataset
Questo articolo presenta un dataset curato derivato dai dati di calibrazione CUORE, specificamente progettato per supportare approcci di apprendimento supervisionato per la classificazione degli impulsi. Il dataset affronta il problema della classificazione binaria tra:

• Classe 0 (Impulsi Puliti - Clean Pulses): Eventi a impulso singolo che esibiscono la forma dell'impulso termico standard entro una finestra di 10 secondi.
• Classe 1 (Impulsi Pile-up): Eventi contenenti due o più impulsi all'interno della stessa finestra, che possono essere separati nel tempo e avere ampiezze variabili.

Specifiche dei Dati:

• Sorgente: 988 calorimetri a cristalli di $\text{TeO}_2$ operanti a $\sim10$ mK.
• Formato: File HDF5 contenenti 10.000 eventi totali (5.000 puliti, 5.000 pile-up).
• Struttura della Forma d'Onda: Ogni evento è un array di serie temporali monodimensionale di lunghezza 10.000, campionato a 1 kHz. La finestra è definita in modo che il punto medio del salire dell'impulso triggerato avvenga vicino all'indice 3000, fornendo $\sim3$ secondi di baseline pre-trigger.
• Etichettatura (Labeling): Le etichette sono derivate dal numero di impulsi segnalati ($n_{\text{pulses}}$) e dall'Errore di Ricostruzione Normalizzato ($n_{\text{rei}}$) dal taglio di discriminazione della forma dell'impulso CUORE da 2 tonne$\cdot$yr. Viene assegnata un'etichetta 0 se $n_{\text{pulses}}=1$ e $|n_{\text{rei}}| < 10$; viene assegnata un'etichetta 1 se $n_{\text{pulses}} > 1$ e $|n_{\text{rei}}| > 10$.
• Normalizzazione: Per facilitare il pre-processing AI/ML, ogni evento include metadati per la normalizzazione: un offset (media dei primi 2.500 campioni), un valore massimo e un fattore di scala. L'articolo fornisce script Python che dimostrano come costruire forme d'onda normalizzate $\tilde{p}_i(t)$ e ritagliarle in un intervallo $[0, 1]$.

Contributi Chiave

1. Rilascio di un Dataset Pubblico: La collaborazione ha rilasciato un sottoinsieme dei suoi dati tramite Zenodo (DOI: 10.5281/zenodo.20721645) in formato HDF5, suddiviso in un set di addestramento (training) del 90% e un set di test del 10%.
2. Benchmarking Standardizzato: L'articolo propone una specifica sfida di classificazione degli impulsi. I partecipanti sono invitati a sottoporre le proprie predizioni sul set di test tenuto separato (dove le etichette sono oscurate) per essere valutati su:
   • Area Sotto la Curva ROC (AUC-ROC).
   • Accuratezza della Classificazione.
   • Tasso di Falsi Positivi (FPR) a un tasso fisso di Veri Positivi (TPR) del 90%, una metrica rilevante per le analisi fisiche che richiedono un'efficienza del segnale controllata.
3. Riproducibilità: Gli autori forniscono esempi minimi in Python utilizzando h5py e numpy per caricare, normalizzare e formattare i dati per gli input di reti neurali Conv1D.

Risultati e Dichiarazioni
L'articolo non presenta i risultati di un modello di machine learning specifico addestrato dagli autori, né rivendica un nuovo record di accuratezza di classificazione. Inveve, i "risultati" presentati sono la riuscita cura e il rilascio del dataset stesso. Gli autori affermano che questo rilascio funge da "eccellente risorsa" per la comunità AI/ML, combinando dati criogenici di alta qualità in serie temporali con etichette basate sulla fisica ben comprese.

Significatività
La significatività di questo lavoro risiede nella facilitazione della scienza aperta e nell'avanzamento delle tecniche di analisi per le ricerche di eventi rari. Fornendo un dataset standardizzato con etichette binarie chiare (pulito vs pile-up), la Collaborazione CUORE consente il test e lo sviluppo di algoritmi di apprendimento supervisionato per l'analisi della forma dell'impulso. Ciò supporta l'obiettivo più ampio di migliorare il rifiuto del fondo nelle ricerche del decadimento $0\nu\beta\beta$ e altre applicazioni che coinvolgono calorimetri criogenici. Gli autori richiedono esplicitamente agli utenti di citare i risultati fisici rilevanti di CUORE (Rif. [4]) e questo specifico articolo arXiv in qualsiasi pubblicazione derivante dall'uso di questi dati.