New method for clustering thresholds determination in Microstrip Silicon Detector

In dit artikel wordt een nieuwe methode gepresenteerd om de drempelwaarden voor het clusteren van signalen in de Microstrip Siliciumdetector van het FOOT-experiment onafhankelijk te bepalen, wat dient als referentie voor het evalueren van detectie-efficiëntie en het optimaliseren van de analyse.

De kern

De Missie: De FOOT-experiment

Stel je voor dat wetenschappers een gigantische kosmische detective spelen. Ze willen weten wat er gebeurt als straling (zoals deeltjes uit de ruimte of stralingstherapie voor kanker) botst met materie. Dit is cruciaal voor twee dingen:

1. Kankerbestrijding: Om stralingstherapie zo precies mogelijk te maken.
2. Ruimtevaart: Om astronauten te beschermen tegen straling tijdens lange reizen.

Het experiment heet FOOT (FragmentatiOn Of Target). Het is als een supergevoelige camera die deeltjes vastlegt die door een doelwit vliegen. Maar om een scherp beeld te krijgen, moet de camera weten wat een "echt" deeltje is en wat gewoon ruis (ruis van de elektronica).

Het Probleem: De Ruis in de Camera

De FOOT-experiment gebruikt een speciaal type camera genaamd een Microstrip Silicon Detector (MSD). Denk hierbij niet aan een gewone fotocamera, maar aan een muur van 6 heel dunne siliconen platen, elk verdeeld in duizenden kleine "streepjes" (strips).

Wanneer een deeltje door deze muur vliegt, laat het een spoor achter. Maar er is een probleem:

• De Ruis: Zelfs als er geen deeltjes zijn, maken de elektronische streepjes soms een klein piepje (zoals statische ruis op een radio).
• De Dilemma: Als je de camera te gevoelig instelt, zie je ruis als echte deeltjes (valse alarmen). Als je hem te ongevoelig instelt, mis je de echte deeltjes (verkeerde informatie).

Vroeger moesten ze wachten tot het hele experiment klaar was en alle andere apparaten werkten om te weten hoe ze deze gevoeligheid moesten instellen. Dat was traag en lastig.

De Oplossing: Een Nieuwe "Slimme Filter"

In dit paper presenteren de onderzoekers een nieuwe, slimme methode om de gevoeligheid (de drempelwaarde) direct in te stellen, zonder hulp van de rest van het experiment.

Ze gebruiken een tweestaps-methode, die je kunt vergelijken met het vinden van een naald in een hooiberg, maar dan heel slim:

Stap 1: De "Stilte-test" (Kalibratie)

Eerst kijken ze naar de detector terwijl er niets doorheen vliegt (alleen maar stilte).

• Ze kijken naar alle piepjes die de elektronica maakt vanzelf.
• Ze zoeken naar de "topjes" van deze ruis.
• Dit is als luisteren naar het geluid van een leeg huis om te horen hoe hard de koelkast zoemt of hoe de wind door de ruiten waait.

Stap 2: De "Actie-test" (Fysica)

Vervolgens kijken ze naar de detector terwijl er deeltjes (protonen) doorheen vliegen.

• Nu zien ze veel meer piepjes: de ruis én de echte deeltjes.

Stap 3: Het Slimme Vergelijken (De "DIFF"-methode)

Hier komt de magie: Ze trekken de "Stilte-test" af van de "Actie-test".

• Het resultaat: Alles wat overblijft, is puur het signaal van de echte deeltjes. De ruis is eruit gefilterd.
• Ze kijken nu naar een grafiek: "Hoeveel echte deeltjes zien we nog als we de gevoeligheid iets verhogen?"
• Ze kiezen een punt waar ze 85% zekerheid hebben dat het een echt deeltje is (geen ruis) en waar ze maar 5% kans hebben op een valse melding.

De Metafoor: Het Vissen in een Modderige Rivier

Stel je voor dat je in een modderige rivier vist (de detector).

• De modder is de elektronische ruis.
• De vissen zijn de deeltjes die je wilt vangen.

De oude methode was: "Wacht tot we de hele visserij hebben gebouwd en de visserijmanager komt kijken of we goed vissen."

De nieuwe methode van FOOT is:

1. Kijk eerst naar de rivier als er geen vissen zijn. Hoeveel modderplukken drijven er vanzelf? (De ruis).
2. Gooi nu vissen in de rivier.
3. Trek de "modder-dag" af van de "vis-dag".
4. Nu weet je precies hoe groot je net moet zijn. Als het net te fijn is, vang je alleen modder. Als het te grof is, laten de kleine vissen erdoorheen. Ze vinden het perfecte gat in het net waar ze 85% van de vissen vangen en 95% van de modder buiten houden.

Wat is het Resultaat?

De onderzoekers hebben voor elk van de 6 sensoren in de detector precies berekend waar die "gaten" in het net moeten zitten.

• Ze noemen dit de Seed-threshold (het startpunt: "Is dit wel een deeltje?").
• En de Fired-threshold (hoe groot moet het spoor zijn?).

Ze hebben dit gedaan met de moeilijkste deeltjes (zeer snelle protonen die heel weinig energie afgeven). Als je deze instelling goed hebt voor de "flauwe" deeltjes, werkt hij ook perfect voor de "sterke" deeltjes.

Conclusie

Dit paper is als het schrijven van een handleiding voor het instellen van je camera. Dankzij deze nieuwe methode kunnen de wetenschappers van FOOT hun detector direct en zelfstandig optimaliseren. Ze hoeven niet meer te wachten op andere apparaten. Dit zorgt ervoor dat ze in de toekomst nog preciezer kunnen meten hoe atomen uit elkaar vallen, wat direct helpt bij het verbeteren van kankerbehandelingen en het veilig maken van ruimtevluchten.

Kortom: Ze hebben een slimme manier gevonden om het ruis van de echte waarheid te scheiden, zodat ze de kosmos beter kunnen begrijpen.

Technische samenvatting

Titel: Nieuwe methode voor de bepaling van clusteringdrempels in Microstrip Siliciumdetectoren

1. Het Probleem

Silicium-stripe-detectoren worden veel gebruikt in de deeltjes- en kernfysica voor het meten van ruimtelijke posities en energiedepositie. Een veelvoorkomende uitdaging bij deze toepassingen is het ontwikkelen van snelle en betrouwbare procedures om de drempelwaarden (thresholds) in te stellen voor clustering-algoritmen. Deze algoritmen zijn essentieel voor een efficiënte en snelle signaalreconstructie.

In het kader van het FOOT-experiment (Fragmentation Of Target), dat gericht is op het meten van dubbel differentieel kernfragmentatiekruisdoorsneden voor deeltjesterapie en stralingsbescherming in de ruimte, is de tijd voor het evalueren van detectorprestaties beperkt door korte meetperiodes en een grote variëteit aan bundelconfiguraties. Bestaande methoden zijn vaak afhankelijk van de alignement-algoritmen van de volledige opstelling of de prestaties van andere detectoren. Er was behoefte aan een methode om de drempels voor de Microstrip Siliciumdetector (MSD) onafhankelijk in te stellen, zonder afhankelijk te zijn van de rest van het experiment.

2. Methodologie

De auteurs hebben een nieuwe aanpak ontwikkeld om de drempelwaarden voor het clustering-algoritme van de MSD te bepalen. De methode bestaat uit de volgende stappen:

• Detectoropstelling: De MSD bestaat uit zes 150 µm-dikke siliciumsensoren, gerangschikt in drie X-Y meetvlakken. Deze zijn ontworpen met een verlaagde dikte (in plaats van de gebruikelijke 300 µm) om nucleaire fragmentatie en meervoudige verstrooiing te minimaliseren.
• Calibratie: Voorafgaand aan de analyse worden ruwe signalen gecorrigeerd voor het 'pedestal' (gemiddelde ruis zonder deeltjes) en 'Common Noise' (collectieve ruis per ASIC-chip). Het resulterende signaal wordt genormaliseerd ten opzichte van de 'Single Strip Noise' (SSN).
• Identificatie van Potentiële Zaadstrips (Potential Seed Strips): Een 'zaadstrip' is de strip met het relatieve maximum signaal binnen een cluster. Een speciaal drie-puntenalgoritme identificeert deze strips door:
  1. Strips te zoeken met een relatief maximum t.o.v. de buren.
  2. Kandidaten te sorteren op dalende ADC-waarde.
  3. Kandidaten te filteren die te dicht bij elkaar liggen (gebaseerd op een 'strip distance' parameter).
• Vergelijkende Analyse: Er worden cumulatieve histogrammen gemaakt voor twee scenario's:
  • Calibratie Run (CAL): Metingen zonder deeltjesbundel (alleen ruis).
  • Fysica Run (PHY): Metingen met protonen (230 MeV) zonder doelwit (minimale energiedepositie).
• Bepaling van de 'DIFF'-curve: Het verschil tussen de PHY- en CAL-histogrammen (DIFF = PHY - CAL) wordt berekend. Dit verschil vertegenwoordigt het signaal dat specifiek door deeltjesinteracties wordt veroorzaakt.
• Definitie van Drempels:
  • Seed Threshold: Gedefinieerd op basis van de 'Purity' (zuiverheid), gedefinieerd als $Pur(x) = DIFF(x) / PHY(x)$. De drempel wordt gekozen waar de zuiverheid 85% bedraagt.
  • Fired Threshold: Gedefinieerd op basis van het percentage 'Fake Fired Strips' (strips die door ruis worden geactiveerd). De drempel wordt gekozen waar dit percentage 5% bedraagt.

3. Belangrijkste Bijdragen

• Onafhankelijke Methode: De voorgestelde methode stelt de drempels in voor de MSD zonder afhankelijk te zijn van de alignement van het volledige experiment of de prestaties van andere detectoren (zoals de Vertex- of ToF-detectoren).
• Systematisch Kader: Het biedt een systematisch raamwerk voor het optimaliseren van drempels, gebaseerd op de statistische vergelijking van ruis- en deeltjessignalen.
• Robuustheid: De methode is getest met protonen van 230 MeV, de deeltjes met de laagste energiedepositie in de studie. Dit zorgt ervoor dat de gekozen drempels conservatief en veilig zijn, zelfs voor zwaardere ionen met hogere energiedepositie.

4. Resultaten

De analyse werd uitgevoerd op data van de CNAO-faciliteit (Pavia, Italië) in 2024. Voor de zes sensoren van de MSD werden de volgende referentiewaarden bepaald (gebaseerd op 85% zuiverheid en 5% valse strips):

• Seed Thresholds: Variëren per sensor, bijvoorbeeld 3.9 voor Sensor 4 en 5.9 voor Sensor 5.
• Fired Thresholds: Variëren tussen 1.6 en 1.9 (bijv. 1.8 voor Sensor 4).
• Specifiek voorbeeld (Sensor 4):
  • Bij een drempel van 3.9 wordt een zuiverheid van 85% bereikt.
  • Bij een drempel van 1.8 wordt het percentage valse strips beperkt tot 5%.

Deze waarden dienen als startpunt voor verdere 'threshold scans' om de detectie-efficiëntie van individuele sensoren te evalueren en de clustering te optimaliseren op basis van tracking-informatie.

5. Betekenis en Conclusie

Deze studie legt de basis voor een verbeterde tracking-prestatie van de MSD binnen het FOOT-experiment. Door de drempels nauwkeurig en onafhankelijk in te stellen, wordt de precisie van het meten van kernfragmentatiekruisdoorsneden verhoogd. Dit is cruciaal voor het verbeteren van behandelplannen in deeltjesterapie en voor het ontwerpen van effectieve afschermingssystemen voor astronauten en elektronica in de ruimte. De methode is schaalbaar en toepasbaar op toekomstige meetcampagnes met verschillende ionensoorten (Z) en op verschillende faciliteiten.