CUORE Data Release for ML Applications: Pulse Shape Analysis Dataset

技術要約：機械学習アプリケーションのためのCUOREデータリリース

問題提起
CUORE（Cryogenic Underground Observatory for Rare Events）実験は、$^{130}\text{Te}$の無ニュートリノ二重ベータ崩壊（$0\nu\beta\beta$）を探索している。この探索における重要な背景事象の源として、「パイロットアップ（pile-up）」イベントがある。これは、単一の結晶カロリメータの10秒間のイベントウィンドウ内に、2つ以上の個別の粒子相互作用がエネルギーを沈着させる現象である。これらのパイロットアップイベントは、単一粒子イベントのエネルギーシグネチャを模倣したり、期待される崩壊ピーク（$Q_{\beta\beta}$）付近の背景事象を歪ませたりする可能性がある。コラボレーションは、これらのイベントを識別するための物理ベースの手法を確立しているが、パルス波形解析および分類のための人工知能および機械学習（AI/ML）アルゴリズムの開発とベンチマークを行うための、オープンな科学データセットへの需要が高まっている。

手法およびデータセットの構築
本論文は、パルス分類のための教師あり学習アプローチを支援するために特別に設計された、CUOREの較正データから抽出された精選された公開データセットを提示する。このデータセットは、以下の二値分類問題に対処している：

• クラス0（クリーン・パルス）： 10秒間のウィンドウ内で標準的な熱パルス形状を示す単一パルスイベント。
• クラス1（パイロットアップ・パルス）： 同一ウィンドウ内に2つ以上のパルスを含むイベントであり、これらは時間的に分離していたり、振幅が異なったりする場合がある。

データ仕様：

• ソース： 約10 mKで動作する988個の$\text{TeO}_2$結晶カロリメータ。
• フォーマット： 合計10,000イベント（クリーン5,000、パイロットアップ5,000）を含むHDF5ファイル。
• 波形構造： 各イベントは、サンプリングレート1 kHz、長さ10,000の1次元時系列配列である。ウィンドウは、トリガーされたパルスの立ち上がりの中点がインデックス3000付近に位置するように定義されており、トリガー前のベースラインとして約3秒間が含まれている。
• ラベリング： ラベルは、フラグが立てられたパルス数（$n_{\text{pulses}}$）および、CUORE 2トン・年（2 tonne·yr）パルス波形識別カットからの正規化再構成誤差（$n_{\text{rei}}$）から導出される。$n_{\text{pulses}}=1$ かつ $|n_{\text{rei}}| < 10$ の場合にラベル0を割り当て、$n_{\text{pulses}} > 1$ かつ $|n_{\text{rei}}| > 10$ の場合にラベル1を割り当てる。
• 正規化： AI/MLの前処理を容易にするため、各イベントには正規化のためのメタデータ（オフセット（最初の2,500サンプルの平均）、最大値、およびスケール因子）が含まれている。本論文では、正規化された波形 $\tilde{p}_i(t)$ を構築し、それらを$[0, 1]$の範囲にクリップする方法を示すPythonスクリプトを提供している。

主な貢献

1. 公開データセットのリリース： コラボレーションは、データのサブセットをZenodo（DOI: 10.5281/zenodo.20721645）を通じて、90%のトレーニングセットと10%のテストセットに分割したHDF5形式で公開した。
2. 標準化されたベンチマーク： 本論文は、特定のパルス分類チャレンジを提案している。参加者は、ラベルが伏せられた保持されたテストセットに対して予測を提出することが求められ、以下の指標で評価される：
   • 受信者動作特性曲線の下方の面積（AUC-ROC）。
   • 分類精度（Accuracy）。
   • 固定された真陽性率（TPR）90%における偽陽性率（FPR）。これは、制御された信号効率を必要とする物理解析において関連性の高い指標である。
3. 再現性： 著者らは、h5pyおよびnumpyを用いた最小限のPython例を提供しており、これを用いてデータをロードし、正規化し、Conv1Dニューラルネットワークの入力用にフォーマットすることができる。

結果および主張
本論文は、著者らによって訓練された特定の機械学習モデルの結果を提示しておらず、分類精度の新記録を主張するものでもない。代わりに、提示されている「結果」は、データセット自体の精選と公開である。著者らは、高品質な時系列クライオジェニックデータと、よく理解された物理ベースのラベルを組み合わせることで、このリリースがAI/MLコミュニティにとって「優れたリソース」になると主張している。

意義
本研究の意義は、オープンサイエンスの促進と、解析技術の向上にある。明確な二値ラベル（クリーン対パイロットアップ）を伴う標準化されたデータセットを提供することで、CUOREコラボレーションは、パルス波形解析のための教師あり学習アルゴリズムのテストと開発を可能にしている。これは、背景事象の除去能力を向上させるという、より広範な目標（$0\nu\beta\beta$崩壊探索およびその他のクライオジェニックカロリメータを用いたアプリケーション）をサポートするものである。著者らは、このデータを使用した結果として生じるあらゆる出版物において、関連するCUOREの物理結果（文献[4]）およびこの特定のarXiv論文を引用することを明示的に求めている。