Seven-dimensional Trajectory Reconstruction for VAMOS++

Technische Samenvatting: Zevendimensionale Trajectreconstructie voor VAMOS++

Probleemstelling
De VAMOS++ magnetische spectrometer is een cruciaal instrument voor isotopenidentificatie in onderzoek naar kernstructuur en reactiemechanismen nabij de Coulombbarrière. De werking ervan berust op het meten van de magnetische rigiditeit ($B\rho$) en de trajectlengte ($l$) van ionen. Standaard methoden voor trajectreconstructie, zoals de gevestigde vierdimensionale (4D) mapping-techniek, gaan uit van een puntvormig interactievolume van de bundel. Deze aanname is geldig bij experimenten met dunne targets met smalle bundelvlekken (beam spots). Echter, deze aanpak vormt een significante beperking voor experimenten met grote bundelvlekvormen of uitgebreide gasvormige targetvolumes, zoals gepland voor het bestuderen van fissiedynamica. In dergelijke scenario's kan de driedimensionale positie van het interactiepunt van de bundel binnen de target niet worden genegeerd, aangezien variaties in de interactiecoördinaten (met name de horizontale positie $x_i$) substantiële optische aberraties en veranderingen in de trajectlengte induceren die de 4D-methode niet adequaat kan oplossen. Het uitbreiden van de 4D matrixgebaseerde methode om deze extra dimensies te bevatten is computationeel onhaalbaar vanwege de excessieve grootte van de vereiste matrices.

Methodologie
Om de hoogdimensionale, niet-lineaire aard van de ionoptica in VAMOS++ aan te pakken, hebben de auteurs een zevendimensionale (7D) trajectreconstructiemethode ontwikkeld met behulp van kunstmatige diepe neurale netwerken (DNN's).

• Input en Output: De DNN neemt zeven inputcoördinaten: de positie van de bundelinteractie binnen het targetvolume ($x_i, y_i, z_i$), de horizontale en verticale hoeken van de uitgaande reactieproducten ($\theta_i, \phi_i$), en de uiteindelijke horizontale positie en hoek in het focusvlak ($x_f, \theta_f$). Het netwerk geeft de relatieve magnetische rigiditeit ($\delta = B\rho/B\rho_0$) en de relatieve trajectlengte ($\epsilon = l_f/l_0$) als output.
• Trainingsdataset: Het netwerk werd getraind op een theoretische dataset van $2 \times 10^8$ ionentrajecten gegenereerd met de standaard magnetische ray-tracing code ZGOUBI. De dataset dekte het volledige operationele bereik van de spectrometer, inclusief relatieve rigiditeiten $\delta \in [0.7, 1.4]$ en interactievolumes gedefinieerd door $x_b \in [-3, 3]$ mm, $y_b \in [-6, 6]$ mm, en $z_b \in [-70, 50]$ mm.
• Netwerkarchitectuur: Een dichte, diepe feed-forward neurale netwerkarchitectuur werd gekozen. Door een evaluatie van complexiteit versus prestaties werd de optimale architectuur bepaald als $N_l \times N_u = 6 \times 32$ (6 lagen met 32 neuronen per laag), wat resulteert in ongeveer 5.569 trainbare parameters. Deze architectuur werd gekozen om een balans te vinden tussen resolutie en computationele efficiëntie.
• Trainingsworkflow: Het trainingsproces omvatte het monitoren van de root mean square deviation (RMSD) voor $\delta$ en $\epsilon$. Het netwerk werd gevalideerd tegen experimentele data van dunne-target experimenten om te waarborgen dat de Full Width at Half Maximum (FWHM) van het gereconstrueerde atomaire massa-getal ($A$) werd geoptimaliseerd. De training werd beëindigd wanneer verdere convergentie geen verbetering in de experimentele resultaten meer opleverde, om overfitting te voorkomen.

Belangrijkste Bijdragen

1. Ontwikkeling van 7D Reconstructie: Het artikel presenteert een nieuwe methode die in staat is om de zevendimensionale niet-lineaire kwestie van ionentrajectreconstructie aan te pakken, waarbij de 3D-bundelinteractiecoördinaten expliciet worden meegenomen.
2. Implementatie van Deep Learning: Het demonstreert de effectiviteit van diepe neurale netwerken bij het modelleren van complexe, niet-lineaire ionoptica waar traditionele matrixgebaseerde methoden falen vanwege dimensionaliteitsbeperkingen.
3. Efficiëntie: De voorgestelde 7DNN-methode bereikt een verwerkingssnelheid van $1.4 \times 10^6$ events per seconde met een geheugenvoetafdruk van ongeveer 22 kB, wat het geschikt maakt voor zowel online als offline analyse. Dit is een significante reductie in geheugengebruik vergeleken met de 4D-methode, die ongeveer 1 GB aan gecomprimeerde matrices vereist.

Resultaten

• Intrinsieke Precisie: Wanneer toegepast op de volledige theoretische dataset gegenereerd door ZGOUBI, bereikte de methode een intrinsieke reconstructieprecisie van FWHM($\delta_c - \delta_r$) = 0.65‰ en FWHM($\epsilon_c - \epsilon_r$) = 0.18‰. De precisie bleef consistent over verschillende interactiecoördinaten ($x_i, z_i$) en focusvlakparameters ($x_f, \theta_f$).
• Experimentele Validatie: De methode werd gevalideerd met experimentele data van het E826 GANIL-experiment (dunne-target fusie-fissie reacties). De gereconstrueerde resolutie van het atomaire massa-getal, FWHM($A$)/$A$, varieerde van 4‰ voor zware fissiefragmenten tot 7‰ voor lichte fragmenten.
• Vergelijking met 4D Methode: In de experimentele validatie vertoonde de 7DNN-methode een prestatie die vergelijkbaar is met de standaard 4D-methode voor lichte fissiefragmenten en een licht voordeel voor zware fissiefragmenten.
• Impact van Detectorresolutie: Simulaties gaven aan dat hoewel de intrinsieke resolutie van de DNN hoog is, de uiteindelijke massa-resolutie wordt gedomineerd door detectorresoluties, met name de time-of-flight ($t$) en de horizontale hoeken ($\theta_i, \theta_f$). Wanneer alle detectorresoluties in de simulatie werden opgenomen, kwamen de voorspelde FWHM($A$)/$A$-waarden (6.32‰ voor $A=80$ en 4.17‰ voor $A=160$) nauw overeen met de experimentele resultaten.

Betekenis en Toekomstperspectief
Het artikel stelt dat de 7DNN-methode een significante vooruitgang betekent voor VAMOS++, waarbij een resolutie wordt geboden die gelijkwaardig aan of superieur is aan eerder gebruikte methoden, terwijl het tegelijkertijd de analyse van experimenten met uitgebreide interactievolumes mogelijk maakt. De auteurs benadrukken dat deze capaciteit essentieel is voor toekomstige programma's die gebruikmaken van volumineuze gas-targets, waarbij de optische as van de spectrometer geroteerd zal zijn ten opzichte van de bundelas, wat de expliciete opname van 3D-interactiecoördinaten noodzakelijk maakt. Verder suggereert de snelheid en efficiëntie van het model de bruikbaarheid voor snelle ionentransmissie-simulaties, wat potentieel de ontwikkeling van een "digitale tweeling" van de spectrometer kan faciliteren om absolute doorsnede-bepalingen en fissie-opbrengstmetingen te ondersteunen. De auteurs benadrukken dat de methode specifiek is ontworpen om de beperkingen van puntvormige bundel-aannames in spectrometers met een grote acceptatie te overwinnen.