Transformer-Based Approach to Enhance Positron Tracking Performance in MEG II

Resumo Técnico: Abordagem Baseada em Transformer para Melhorar o Desempenho de Rastreamento de Pósitrons no MEG II

Definição do Problema
O experimento MEG II busca a decaimento de violação de sabor de lépton carregado $\mu \to e\gamma$. Um gargalo crítico para atingir a sensibilidade alvo do experimento ($6 \times 10^{-14}$) é o desempenho do espectrômetro de pósitrons sob condições de alto pileup. O espectrômetro utiliza uma Câmara de Drift Cilíndrica (CDCH) onde a ocupação de hits atinge 35–50% na taxa de parada de múons de $5 \times 10^7 \mu/s$. O algoritmo de reconstrução convencional, que depende de reconhecimento de padrões locais para conectar hits próximos, sofre de ineficiência na etapa de busca de trilhas (track-finding) devido à contaminação por hits de pileup. Essa ineficiência força o experimento a operar em uma taxa de parada de múons reduzida ($4 \times 10^7 \mu/s$) para manter uma eficiência de rastreamento aceitável, limitando, assim, o número total de decaimentos de múons mensuráveis.

Metodologia
Para abordar as limitações do reconhecimento de padrões locais, os autores desenvolveram um modelo de aprendizado de máquina baseado em Transformer, projetado como um classificador de hits. O conceito central aproveita as correlações globais entre hits em diferentes segmentos de volta da trajetória do pósitron, em vez de depender apenas da proximidade local.

• Arquitetura do Modelo: O modelo utiliza uma arquitetura Transformer com dois blocos de atenção distintos: um para os hits do Contador de Tempo Pixelado (pTC) e outro para os hits da CDCH.
  • Entradas: O modelo recebe os hits do pTC (associados a um candidato a pósitron específico) e todos os hits da CDCH em um evento como entrada.
  • Engenharia de Características (Feature Engineering): Para facilitar os mecanismos de atenção, os autores introduziram transformações geométricas específicas. Estas incluem o mapeamento conformal das coordenadas dos hits para alinhar trajetórias e o alinhamento rotacional baseado no primeiro hit do pTC para explorar a simetria do detector. As características incluem tempo de drift, posição do fio e padrões calibrados ($z_{turn;s}$, $\phi_{turn;s}$) derivados de trajetórias de pósitrons de Michel para distinguir hits pertencentes a segmentos de volta específicos (por exemplo, $s=1$ para a meia volta final, $s=2$ para a volta precedente).
  • Saída: O modelo classifica cada hit da CDCH em uma de várias categorias: pileup/ruído ($s=\emptyset$) ou segmentos de trilha específicos ($s \in \{1, 2_{in}, 2_{out}, 3_{in}, 3_{out}, 4_{in}, 4_{out}\}$).
• Estratégia de Treinamento: O modelo foi treinado em um conjunto de dados composto por 90% de amostras de Monte Carlo (MC) e 10% de amostras de dados de baixa taxa. Para evitar o sobreajuste (overfitting) aos alinhamentos de detector específicos do MC, dados de baixa taxa (onde a reconstrução convencional é altamente confiável) foram usados para anotar os hits da CDCH. Essas anotações baseadas em dados foram então misturadas com dados de fundo de alta taxa para simular o ambiente de pileup. Foi empregado um processo de treinamento de duas etapas: primeiro, aprendendo correlações entre hits de sinal em baixo pileup; segundo, aprendendo a discriminar sinal de pileup em altas taxas.
• Integração: O modelo treinado atua como um pré-filtro. Antes que os algoritmos padrão de busca e ajuste de trilha (descritos na Ref. [5]) sejam executados, o modelo seleciona os hits da CDCH com base em um limiar de probabilidade. Isso reduz a entrada para o algoritmo de reconstrução para um conjunto de hits de "pureza aumentada".

Principais Contribuições

1. Arquitetura Inovadora: A aplicação de um modelo Transformer para filtragem de hits de câmara de drift, utilizando especificamente atenção cruzada (cross-attention) entre hits de pTC e CDCH e autoatenção (self-attention) entre hits de CDCH para identificar padrões globais de trilha.
2. Robustez ao Pileup: O método consegue desacoplar a eficiência de reconstrução da degradação tipicamente causada pela alta ocupação (35–50%), permitindo que o algoritmo funcione efetivamente onde o reconhecimento de padrões locais falha.
3. Otimização Operacional: A implementação permite que o experimento opere no limite de hardware da taxa de parada de múons ($5 \times 10^7 \mu/s$) sem sacrificar o desempenho de rastreamento.

Resultados
O método proposto foi avaliado usando tanto amostras de MC quanto dados reais coletados pelo MEG II:

• Desempenho de Filtragem de Hits: Em uma taxa de parada de múons de $5 \times 10^7 \mu/s$, o modelo alcançou uma eficiência de hit de sinal de 98%, enquanto descartou 87% dos hits de pileup (taxa de falso positivo de 13%).
• Eficiência de Rastreamento: O uso do filtro Transformer resultou em um aumento de 15% na eficiência de rastreamento de pósitrons a $5 \times 10^7 \mu/s$ em comparação com o método convencional. Esse ganho foi observado tanto em MC quanto em dados, com os dados mostrando uma melhoria consistente em toda a faixa de taxa testada.
• Resolução de Rastreamento: A resolução dos parâmetros da trilha do pósitron melhorou aproximadamente 5%. Especificamente, a resolução em $z$ (posição ao longo do fio) e a resolução de momento (inferida a partir do espectro de limite de energia de 52,8 MeV de pósitrons de Michel) mostraram ganhos significativos. A melhoria na resolução de momento foi quantificada em aproximadamente 10% com base na redução de trilhas que excedem o limite cinemático.
• Custo Computacional: Apesar da adição da etapa de inferência de ML, o tempo total de processamento de eventos diminuiu para 70–80% da abordagem convencional. Isso ocorre porque o número reduzido de hits de pileup acelerou significamente as etapas de construção de sementes (seed construction) e geração de candidatos, que são as mais sensíveis à ocupação.

Significância
O artigo afirma que esses aprimoramentos de desempenho são diretamente transformadores para o alcance físico do experimento MEG II. Ao permitir a operação na taxa mais alta de parada de múons de $5 \times 10^7 \mu/s$ (previamente limitada a $4 \times 10^7 \mu/s$ devido às perdas de eficiência) e simultaneamente melhorar a resolução de rastreamento, o experimento espera um aumento de aproximadamente 10% na sensibilidade da medição da razão de ramificação de $\mu \to e\gamma$. Consequentemente, a colaboração decidiu reprocessar o conjunto de dados coletado até 2022 usando este novo método e já aumentou a taxa do feixe de múons para o período de coleta de dados de 2025. Os autores concluem que esta abordagem representa um ganho científico significativo e uma integração bem-sucedida de aprendizado profundo na reconstrução de detectores de rastreamento de alta ocupação.