New method for clustering thresholds determination in Microstrip Silicon Detector

FOOT 実験のマイクロストリップシリコン検出器（MSD）において、他の検出器に依存せずにクラスタリングアルゴリズムの閾値を決定する新しい手法を提案し、単一イオンの検出効率評価や追跡情報を用いた解析の指針となる基準値を提供しています。

要約

🕵️‍♂️ 物語の舞台：FOOT 実験と「静かな森」

まず、この研究が行われている**「FOOT 実験」**というプロジェクトについて想像してください。
これは、宇宙飛行士が宇宙空間で被る放射線の影響を調べたり、がん治療で使う粒子ビームの挙動を解明したりするための実験です。

実験装置には、**「マイクロストリップ・シリコン検出器（MSD）」という、非常に薄いシリコンの板が 6 枚並んだセンサーが搭載されています。
これを「森の地面に敷き詰められた、超敏感なマイク」**だと想像してください。
粒子（荷電粒子）が通り抜けると、そのマイクが「ピョーン！」と反応します。

🎧 問題：「風の音」と「足音」の見分け

ここで大きな問題が起きます。
このマイクは非常に敏感なので、**「本当の粒子が通った音（信号）」だけでなく、「電気的なノイズ（風の音）」**も拾ってしまいます。

• ノイズ（風の音）： 何も粒子が通っていない時でも、機械自体が勝手に「チャララッ」という小さな音を発することがあります。
• 信号（足音）： 粒子が通った時の「ドスン！」という音です。

もし感度（しきい値）を**「低くしすぎ」ると、風の音まで「粒子が来た！」と勘違いしてしまい、間違ったデータ（偽のクラスタ）が大量に発生してしまいます。
逆に、感度を「高くしすぎ」**ると、小さな粒子（軽い足音）が「聞こえない」と判断され、本当の粒子を見逃してしまいます。

**「どこで線を引くか（しきい値をどう決めるか）」**が、この実験の成否を分ける鍵だったのです。

💡 新しい方法：「静寂の時間」と「賑やかな時間」の比較

これまでの方法は、他の装置のデータに頼ったり、複雑な計算で合わせたりする必要がありましたが、この論文では**「自分だけで完結する新しい方法」**を提案しています。

その方法は、「静かな森」と「賑やかな森」を比較するというシンプルな発想です。

1. 静寂の時間（キャリブレーション・ラン）：
   粒子ビームを当てない状態で、装置だけを動かします。
   → ここでは「風の音（ノイズ）」しか聞こえません。
   「どの程度の小さな音が、ノイズとして存在するか」を記録します。

2. 賑やかな時間（フィジクス・ラン）：
   粒子ビームを当てて、実際に粒子を走らせます。
   → ここでは「風の音」＋「粒子の足音」が混ざって聞こえます。

3. 引き算の魔法：
   「賑やかな時間」のデータから「静寂の時間」のデータを引いてみます。
   → 残ったものが、**「純粋な粒子の足音」**になります。

🎯 最適な感度設定の決め方

この比較データを使って、2 つの重要な「しきい値（閾値）」を決めます。

1. 「種（シード）」を見つけるための感度

• 目的： 「ここにお客さんがいるぞ！」と最初に気づくための感度。
• 判断基準： 「ノイズの音と、本当の粒子の音」がはっきりと分かれるポイントを探します。
• 結果： 85% の確率で「本当の粒子」を捉えつつ、ノイズを 15% 以下に抑える感度（3.9 倍のノイズレベル）を見つけました。
  • 例え話： 「風の音（ノイズ）」が 100 回鳴るうち、95 回は「粒子ではない」と判断し、残りの 5 回だけ「もしかして？」と疑うラインです。

2. 「火（ファイアード）」を点灯させるための感度

• 目的： 粒子が通ったと判断した後に、その範囲（どのマイクが反応したか）を広げるための感度。
• 判断基準： 間違って「粒子が来た！」と勘違いする（偽の反応）を 5% 以下に抑える感度を探します。
• 結果： 1.8 倍のノイズレベルに設定しました。

🚀 なぜこれがすごいのか？

この研究で使われたのは、**「最も見つけにくい粒子（高エネルギーの陽子）」です。
これは、森の中で「最も静かに歩く人」を探すようなものです。
もし、最も静かな人でも見つけられる感度設定ができれば、「大きな音を立てて歩く人（重い粒子）」**は、どんなに感度を設定しても簡単に見つけられます。

つまり、この論文で提案された設定値は、**「最も厳しい条件でも失敗しない、安全で確実な基準値」**として機能します。

🏁 まとめ

この論文は、複雑な実験装置の調整を、「静かな時の音」と「賑やかな時の音」を比較するだけのシンプルで賢い方法で行う新しいルールを提案しました。

• 従来の方法： 複雑な計算や他の装置の助けが必要で、時間がかかる。
• 新しい方法： 自分自身のデータだけで「ノイズ」と「信号」の境界線を正確に引ける。

これにより、FOOT 実験は、宇宙の放射線やがん治療の粒子ビームを、より正確に、より効率的に追跡できるようになります。まるで、静かな森で、最も静かに歩く人を見逃さないための、究極の「耳のトレーニング」を完成させたようなものです。

技術概要

FOOT 実験におけるマイクロストリップ半導体検出器（MSD）のクラスタリング閾値決定法に関する技術的概要

本論文は、粒子療法および宇宙放射線防護を目的とした「FOOT 実験（FragmentatiOn Of Target）」において、マイクロストリップ半導体検出器（MSD）の信号処理に用いるクラスタリングアルゴリズムの閾値を決定するための新しい手法を提案したものである。特に、他の検出器や実験全体の整列アルゴリズムに依存せず、MSD 単独で最適な閾値を設定する方法論を確立し、その有効性を示した。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細を述べる。

1. 問題定義

シリコンマイクロストリップ検出器を用いた粒子追跡実験において、信号再構成の効率性と信頼性を高めるためには、ノイズと真の信号を区別するための「クラスタリングアルゴリズム」の閾値設定が不可欠である。

• 課題: 閾値が低すぎるとノイズが誤ってクラスタとして検出され（偽陽性）、軌道再構成が困難になる。逆に閾値が高すぎると、真の信号を見逃し（偽陰性）、検出効率が低下する。
• FOOT 実験の文脈: FOOT 実験は、短時間のデータ取得期間と多様なビーム構成・標的材料を扱うため、迅速かつ信頼性の高い閾値設定手順が必要とされる。従来の手法は、実験全体の整列アルゴリズムや他の検出器の性能に依存することが多く、MSD 単独での最適化が困難であった。
• 具体的な状況: 本研究では、2024 年の CNAO 施設でのデータ取得において、標的なしの状態で 70〜230 MeV の陽子ビームを用いた。この条件は検出器へのエネルギー付与が最小となるため、最も検出が困難な状態（最小電離粒子）であり、ここで最適化された閾値は、より重い粒子（Z>1）に対しても保守的かつ安全な基準となる。

2. 手法と方法論

本研究では、MSD の信号処理において「Seed Threshold（種子閾値）」と「Fired Threshold（発火閾値）」を決定するための新しいアルゴリズムを提案した。

2.1 データの校正と前処理

• ノイズ除去: 各ストリップの信号から、パデストラル（Pedestal: 粒子なし時の平均値）と共通ノイズ（Common Noise: チップごとの外部電磁気ノイズ）を差し引く。
• ノイズ正規化: 単一ストリップノイズ（SSN）で信号を正規化し、ノイズの多いストリップや死んだストリップを特定・マスクする。

2.2 クラスタリング閾値決定アルゴリズム

クラスタの定義には、信号の存在を検出する「Seed Threshold」と、クラスタのサイズ（ストリップ数）を決定する「Fired Threshold」の 2 つが必要である。

1. 潜在種子ストリップ（Potential Seed Strips）の特定:
   • 3 点アルゴリズムを用い、隣接する 2 点に対して相対的な最大値を持つストリップを特定する。
   • これらの候補を ADC 値の降順にソートし、位置が近すぎる候補をフィルタリングする。
2. 累積ヒストグラムの作成:
   • 「校正ラン（Calibration Run: 粒子なし）」と「物理ラン（Physics Run: 粒子あり）」の両方に対して、正規化された信号が閾値 $N_{thr}$ を超える割合の累積ヒストグラムを作成する。
3. 差分分布（DIFF）の解析:
   • $DIFF = PHY - CAL$ を計算する。この値は、ノイズ変動による相対最大値の減少が、粒子相互作用による減少よりも速くなる閾値付近で 0 から増加し始め、その後減少する。
4. Purity（純度）の定義と Seed Threshold の決定:
   • 純度 $Pur(x) = \frac{DIFF(x)}{PHY(x)}$ を定義する。これは、閾値 $x$ において真の粒子相互作用に起因する事象の割合を表す。
   • 基準: 純度が 85% になる閾値を「Seed Threshold」として採用する。
5. Fake Fired Strips（偽発火ストリップ）の評価と Fired Threshold の決定:
   • 校正ランにおけるすべてのストリップ（種子ストリップに限らない）の信号分布を解析し、閾値を超えて発火するストリップの割合を評価する。
   • 基準: 偽発火ストリップの割合が 5% になる閾値を「Fired Threshold」として採用する。

3. 主要な結果

CNAO 2024 年のデータ（230 MeV 陽子、標的なし）を用いた解析により、以下の結果が得られた。

• 閾値の決定: MSD Sensor 4 を例にとると、85% の純度と 5% の偽発火率を満たす閾値は以下の通り決定された。
  • Seed Threshold: 3.9
  • Fired Threshold: 1.8
• 全センサーへの適用: 6 つの MSD センサーすべてに対して同様の解析を行い、個別の閾値を算出した（例：Sensor 0 は Seed 4.7/Fired 1.9、Sensor 5 は Seed 5.9/Fired 1.7 など）。
• 保守的な基準: 230 MeV 陽子は本研究で扱った粒子の中でエネルギー付与が最小であるため、これらで決定された閾値は、より高いエネルギー損失を持つ粒子（重いイオンなど）に対しても安全かつ有効な基準（保守的な選択）となる。

4. 主要な貢献

1. 独立した閾値設定手法の確立: 実験全体の整列アルゴリズムや他の検出器（ToF ウォール等）の性能に依存せず、MSD 自身のデータ（校正ランと物理ランの比較）のみで閾値を決定できる手法を提案した。
2. システム的な最適化フレームワーク: 「Purity（純度）」と「Fake Fired Strips（偽発火率）」という定量的な指標を導入し、閾値設定を主観的ではなく客観的・統計的に行うための枠組みを提供した。
3. 効率的なデータ解析: 短時間のデータ取得期間でも適用可能であり、FOOT 実験の多様なビーム条件や施設（GSI, HIT, CNAO）でのデータ取得に対応できる汎用性を持つ。

5. 意義と今後の展望

• 検出効率の向上: 決定された閾値を基準値として用いることで、各 MSD センサーの単一イオン検出効率を評価する閾値スキャンを効率的に行うことができる。
• 軌道再構成の精度向上: 適切なクラスタリング閾値は、粒子の軌道再構成精度を高め、最終的に原子核破断断面積の測定精度（5% 未満の誤差）を達成する上で不可欠である。
• 将来の応用: この手法は、異なる原子番号（Z）を持つイオンビームや、異なる実験施設でのデータ取得にも適用可能であり、FOOT 実験全体のデータ解析基盤を強化するものである。

結論として、本研究は FOOT 実験のマイクロストリップ半導体検出器における信号処理の信頼性を高め、粒子療法および宇宙放射線防護における核破断断面積の高精度測定に寄与する重要なステップである。