⚛️ high-energy experiments

Optimized filtering for pulse-shape based pile-up rejection applied to $0\nu\beta\beta$ search with $^{100}$ Mo

Dit artikel presenteert een geoptimaliseerd digitaal filteralgoritme voor cryogene detectoren dat de door pile-up geïnduceerde achtergrond in zoektochten naar neutrinovrije dubbel bètaverval met 31% vermindert vergeleken met eerdere methoden, terwijl een hoge signalefficiëntie behouden blijft.

Oorspronkelijke auteurs: V. Berest, M. Buchynska, P. Carniti, A. Giuliani, C. Gotti, H. Khalife, P. Loaiza, P. de Marcillac, C. Nones, M. Pageot, E. Olivieri, G. Pessina, D. V. Poda, J. A. Scarpaci, B. Schmidt, A. S. Zolotaro

Gepubliceerd 2026-06-17

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: V. Berest, M. Buchynska, P. Carniti, A. Giuliani, C. Gotti, H. Khalife, P. Loaiza, P. de Marcillac, C. Nones, M. Pageot, E. Olivieri, G. Pessina, D. V. Poda, J. A. Scarpaci, B. Schmidt, A. S. Zolotarova

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Luisteren naar een Fluistering in een Storm

Stel je voor dat je probeert één specifieke, zachte fluistering te horen (een zeldzame nucleaire gebeurtenis genaamd neutrinoless double beta decay) in een zeer lawaaierige kamer. Het probleem is dat de kamer vol zit met mensen die constant praten (achtergrondruis).

Erger nog, soms praten twee mensen bijna op exact hetzelfde moment. Hun stemmen overlappen elkaar, waardoor er een geluid ontstaat dat precies klinkt als de speciale fluistering waar je naar op zoek bent. In de natuurkunde wordt deze overlap "pile-up" genoemd.

Als je het verschil niet kunt zien tussen de echte fluistering en de overlappende gesprekken, krijg je valse alarmen en mislukt je experiment. Dit artikel presenteert een nieuwe, slimmere manier om die overlappende gesprekken weg te filteren, zodat wetenschappers de echte signalen kunnen horen.

Het Probleem: De "Dubbel-Klap" Verwarring

De wetenschappers gebruiken een speciaal type detector gemaakt van kristallen (specifiek Molybdeen-100). Deze kristallen zijn als supergevoelige microfoons die een klein beetje warmer worden wanneer een deeltje ze raakt.

Het Echte Signaal: Eén deeltje raakt het kristal, wat een zuivere, vloeiende "blip" van warmte veroorzaakt.
De Pile-Up: Twee deeltjes raken het kristal bijna onmiddellijk (binnen minder dan een milliseconde). De detector ziet één grote, rommelige "blip" die lijkt op een enkel evenement, maar het is eigenlijk twee evenementen die op elkaar zijn geplet.

Omdat de "rommelige blip" zo erg lijkt op het "echte signaal", waren de oude methoden om dit eruit te filteren niet goed genoeg. Ze gooiden te veel echte signalen weg om slechts een paar nepsignalen te vangen.

De Oplossing: Een Slimme "Geluidstechnicus"

De auteurs hebben een nieuwe digitale filter (een wiskundig hulpmiddel) gemaakt die werkt als een super slimme geluidstechnicus. In plaats van alleen naar het volume te luisteren, analyseert deze technicus de vorm en de textuur van de geluidsgolf.

Zo werkt hun nieuwe methode, met behulp van een analogie:

De "Twee-Filter" Truc
Stel je voor dat je probeert het onderscheid te maken tussen één trommelslag en twee trommelslagen die zo snel achter elkaar gingen dat ze als één klonk.

Filter A is afgestemd op het horen van de "vloeiendheid" van het geluid. Het houdt van de zuivere, enkele trommelslag.
Filter B is afgestemd op het horen van de "ruwheid" of de scherpe randen die ontstaan wanneer twee slagen overlappen.

Het nieuwe algoritme kijkt niet alleen naar het resultaat van Filter A of Filter B alleen. In plaats daarvan neemt het de ratio (de vergelijking) van de twee.

Als het geluid een enkele slag is, blijft de ratio stabiel.
Als het geluid een rommelige overlap is, verandert de ratio drastisch.

Door constant deze twee perspectieven met elkaar te vergelijken, kan het algoritme de "nep" overlappende gebeurtenissen met veel hogere precisie te herkennen dan voorheen.

Hoe Ze Het Gebouwd Hebben

De wetenschappers hebben niet zomaar de instellingen voor deze filter geraden. Ze hebben een computer gebruikt om deze te "trainen", vergelijkbaar met hoe je een hond traint.

Ze voerden de computer duizenden voorbeelden van echte signalen en neppe, overlappende signalen.
De computer paste zijn interne knoppen (wiskundige gewichten) miljoenen keren per seconde aan om de perfecte instelling te vinden die de meeste nepsignalen vangt terwijl de meeste echte signalen doorlaat.
Ze gebruikten een krachtige techniek genaamd gradient descent (een methode om langzaam een heuvel af te lopen om het laagste punt te vinden) om de absoluut beste filterinstellingen te vinden.

De Resultaten: Een Helderder Signaal

Toen ze deze nieuwe filter testten op de gegevens van het CROSS-experiment (een testronde voor het toekomstige CUPID-experiment):

Het Doel: Ze wilden 90% van de echte signalen behouden (efficiëntie).
De Overwinning: Met de nieuwe filter waren ze in staat om 31% meer van de neppe, overlappende signalen af te wijzen vergeleken met de oude methode.

Denk er zo over na: als de oude methode 100 nepsignalen zou vangen, vangt de nieuwe methode er 131, zonder de echte fluisteringen te verliezen. Dit is een enorme verbetering voor een experiment waarbij elk enkel vals alarm telt.

Waarom Dit Belangrijk Is

Het artikel richt zich specifiek op cryogene detectoren (detectoren die dicht bij het absolute nulpunt moeten worden gehouden) die zoeken naar neutrinoless double beta decay.

De auteurs stellen dat deze methode breed toepasbaar is op andere detectortechnologieën, maar hun specifieke resultaten en cijfers gaan strikt over het verbeteren van de zoektocht naar dit specifieke nucleaire verval met Molybdeenkristallen.
Ze hebben niet beweerd dat dit werkt voor medische beeldvorming of andere velden in dit artikel; de focus ligt volledig op het nauwkeuriger maken van natuurkundige experimenten.

Samenvatting

Het artikel introduceert een nieuw wiskundig "oor" voor wetenschappers. Door twee verschillende manieren van luisteren naar een signaal met elkaar te vergelijken, kan dit nieuwe hulpmiddel herkennen wanneer twee gebeurtenissen per ongeluk zijn samengesmolten tot één. Hierdoor kunnen ze de ruis negeren en zich concentreren op de zeldzame, kostbare signalen die geheimen over het universum kunnen ontsluieren, specifal met betrekking tot de aard van neutrino's.

Technische Samenvatting: Geoptimaliseerde Filtering voor Pulsvorm-gebaseerde Pile-up Rejectie in de $0\nu\beta\beta$ Zoektocht met $^{100}$ Mo

Probleemstelling
In zoektochten naar zeldzame gebeurtenissen, zoals de zoektocht naar neutrinovrije dubbele bèta-verval ( $0\nu\beta\beta$ ) met behulp van cryogene calorimeters, vormen pile-up gebeurtenissen — waarbij verschillende signalen temporeel overlappen — een kritieke uitdaging. Voor detectoren die gebruikmaken van $^{100}$ Mo, zoals het CUPID-experiment, wordt de dominante achtergrondbron verwacht te komen van de pile-up van twee-neutrino dubbele bèta-verval ( $2\nu\beta\beta$ ) gebeurtenissen. Deze gebeurtenissen kunnen de mono-energetische $0\nu\beta\beta$ signaal bij 3034 keV nabootsen. Bestaande hardware-verbeteringen (bijv. snellere sensoren zoals TES's en MMC's) beogen de pulsduur te verkorten, maar residuele pile-up blijft onvermijdelijk in grootschalige experimenten. Bestaande analysemethoden, inclusief standaard optimale filtering en $\chi^2$ -gebaseerde rejectie, verliezen discriminerend vermogen wanneer de tijdseparatie tussen pulsen korter is dan de stijgtijd van het signaal (specifiek $\Delta t < 0,8$ ms voor de bestudeerde detectoren). Dit vereist geavanceerde software-gebaseerde discriminatiemethoden om de achtergrond te mitigeren zonder het signalefficiëntie op te offeren.

Methodologie
De auteurs stellen een raamwerk voor om een geoptimaliseerd digitaal filter af te leiden voor pile-up discriminatie op basis van een frequentiedomein beschrijving van het signaal. De methode gaat uit van:

Een volledig bekende, energie-onafhankelijke impulsrespons $s(t)$ van de detector.
Stationaire, gemiddelde nul Gaussische ruis gekarakteriseerd door een vermogensspectrale dichtheid (PSD) $P_N(\omega)$ .
Pile-up gebeurtenissen gemodelleerd als de som van twee pulsen met een relatieve amplitude $r$ en tijdseparatie $\Delta t$ .

De kern van de methode bestaat uit het construeren van een discriminant parameter $Y$ gebaseerd op de ratio van twee amplitude schatters, $X[m_1]$ en $X[m_2]$ , afgeleid van het gemeten signaal $\hat{x}(\omega)$ :
$Y = \frac{X[m_1]}{X[m_2]}$
waarbij $X[m_i]$ het maximum is van het reële deel van de inverse Fourier-transformatie van het signaal gefilterd door een transferfunctie $H(\omega)$ en een wegeingsfunctie $m_i(\omega)$ . De standaard optimale filter $H(\omega)$ maximaliseert de signaal-ruisverhouding (SNR), terwijl de wegeingsfuncties $m_1(\omega)$ en $m_2(\omega)$ de variabelen zijn die geoptimaliseerd moeten worden.

Het optimalisatiedoel is het minimaliseren van de globale pile-up misidentificatiegraad $\langle M \rangle$ , gedefinieerd als de waarschijnlijkheid dat een pile-up gebeurtenis onjuist wordt geclassificeerd als een enkele puls, onderworpen aan een vaste single-pulse acceptatie-efficiëntie $\epsilon$ . De auteurs maken gebruik van PyTorch en automatische differentiatie om gradiëntafdaling uit te voeren op de wegeingsfuncties $m_1(\omega)$ en $m_2(\omega)$ , waarbij deze worden behandeld als trainbare parameters gediscretiseerd over frequentiebins. De kostenfunctie wordt geëvalueerd over een rooster van tijdseparaties en amplitude-ratio's, gewogen door de verwachte distributies van $2\nu\beta\beta$ gebeurtenissen.

Belangrijkste Bijdragen

Optimalisatie Raamwerk: Ontwikkeling van een algemeen, kwantitatief raamwerk voor het modelleren, identificeren en verwerpen van pile-up gebeurtenissen in cryogene calorimeters met behulp van geoptimaliseerde frequentiedomein filters.
Ratio-gebaseerde Discriminant: Implementatie van een ratio-gebaseerde discriminant parameter, die gebruikmaakt van de correlatie tussen twee gefilterde observabelen om de gevoeligheid voor amplitude fluctuaties te verminderen en het discriminerend vermogen te verbeteren vergeleken met single-amplitude methoden.
Computationele Implementatie: Een modulaire Python-implementatie met gebruik van PyTorch die efficiënte training van filters via GPU-acceleratie mogelijk maakt, in staat om grote parameter-roosters te verwerken.
Systematische Validatie: Een uitgebreide studie van systematische onzekerheden voortvloeiend uit de keuze van de puls-template, de verwerkingsvenstergrootte, de pulspositie en de rooster-discretisatie.

Resultaten
De methode is gevalideerd met data van het CROSS-experiment, dat een toren van scintillerende $Li_2^{100}MoO_4$ kristallen bediende gekoppeld aan lichtdetectoren (LD's) met Neganov–Trofimov–Luke (NTL) amplificatie.

Prestatieverbetering: Vergeleken met een referentiemethode (voorheen gepresenteerd in Eur. Phys. J. C 83(5), 373 (2023)), vermindert het nieuwe geoptimaliseerde filter de pile-up geïnduceerde achtergrondindex (BI) met gemiddeld 31% bij 90% single-pulse efficiëntie.
Achtergrondindex: De geëxtrapoleerde gemiddelde residuele achtergrondindex met de nieuwe methode is $5,9 \times 10^{-5}$ cts/keV/kg/jaar (mediaan: $5,7 \times 10^{-5}$ ), wat het CUPID ontwerpdoel van $5,0 \times 10^{-5}$ cts/keV/kg/jaar benadert.
Filter Karakteristieken: De geoptimaliseerde filters $m_1(\omega)$ en $m_2(\omega)$ vertonen complementaire frequentieweging. $m_1(\omega)$ vertoont een stijgende respons in het 1–3 kHz bereik om hoogfrequente kenmerken te versterken die essentieel zijn voor het oplossen van pile-up, terwijl $m_2(\omega)$ de winst in dit gebied minimaliseert om de bulk signaalvorm te benadrukken.
Systematiek: De studie identificeerde dat de keuze van de puls-template de resultaten aanzienlijk beïnvloedt (tot 13% variatie in BI). De auteurs bevelen het gebruik van een "gemiddelde puls" template aan als een conservatieve optie om artefacten van hoogfrequente ruis-imprints van enkele hoge-energie pulsen te vermijden.
Detector Afhankelijkheid: Een voorlopige studie naar detector werkpunten (bias stroom) suggereert dat individuele optimalisatie van het werkpunt de pile-up rejectie verder kan verbeteren, waarbij variaties in achtergrondrejectie een factor twee bereiken voor verschillende detectoren.

Betekenis en Claims
Het artikel claimt dat de voorgestelde ratio-gebaseerde discriminant de dominante pile-up kenmerken vangt die relevant zijn voor cryogene calorimeters met trage thermische responsen. Het biedt een robuuste, computationeel efficiënte tool voor het optimaliseren van analystechnieken in afwezigheid van hardware-wijzigingen. De auteurs stellen dat hoewel de methode steunt op aannames van stationaire ruis en puls-vormen, het een significante en robuuste achtergrondreductie demonstreert over diverse detectoren.

Dit werk positioneert deze techniek als een complementaire "software handle" voor hardware-ontwikkelingen (zoals snellere sensoren of verbeterde NTL amplificatie dekking). De auteurs merken op dat de extrapolatie van de resultaten naar het volledige CUPID experiment afhankelijk is van de ruisomgeving, met name in het O(1) kHz bereik, en dat toekomstige upgrades van de CUPID cryogene infrastructuur en lichtdetector prestaties naar verwachting verdere verbeteringen zullen opleveren. Het raamwerk is gepresenteerd als breed toepasbaar op diverse detector technologieën en experimentele contexten buiten de specifieke $^{100}$ Mo zoektocht.