Reconstruction of the Effective Energy-deposition Vertex of Muon Showers using PMT Waveform in a Large-scale Liquid Scintillator Detector

该论文提出了一种基于光电倍增管波形分析的新方法，通过剥离非簇射μ子径迹贡献并结合光子传播模型与迭代优化算法，实现了大型液体闪烁体探测器中μ子簇射能量沉积顶点的高精度重建，为JUNO等实验抑制宇宙线μ子诱导背景提供了关键技术支撑。

要点

这是一篇关于如何在巨大的地下探测器中“抓出”宇宙射线干扰的论文。为了让你轻松理解，我们可以把整个故事想象成在一个巨大的、装满发光液体的透明游泳池（探测器）里，试图捕捉微弱的鱼群信号（中微子），但总有一些**调皮的水獭（宇宙射线缪子）**跳进水里，溅起巨大的水花（簇射），制造噪音，掩盖了我们要找的鱼。

以下是这篇论文的通俗解读：

1. 背景：为什么要抓“水花”？

在地下深处（比如江门中微子实验 JUNO），科学家们在寻找极其稀有的中微子。为了不让地面的辐射干扰实验，他们把探测器埋得很深，上面盖着厚厚的岩石。

• 问题：虽然岩石挡住了大部分“水獭”（缪子），但总有一些强壮的“水獭”能跳进来。
• 后果：当这些“水獭”跳进水里时，它们不仅自己游过，还会撞击水分子，产生像烟花一样的**“水花”（簇射）**。这些水花会产生很多放射性杂质，就像在水池里撒了一把沙子，让科学家很难看清真正的“鱼”（中微子信号）。
• 关键点：研究发现，虽然“水花型水獭”只占所有水獭的约 20%，但它们制造的“沙子”（背景噪音）却占了88%！所以，只要能把这些“水花”的位置找出来，就能精准地清理掉大部分噪音。

2. 核心难题：怎么在浑水中找到“水花中心”？

以前的探测器比较小，水獭通常只是直直地游过去（非簇射），科学家只要把水獭游过的路线圈起来，把周围的水都过滤掉就行了。
但在 JUNO 这种20 千吨级的超级大水池里，水獭会制造出巨大的、向前冲的“水花”。

• 难点：水花是立体的、向前延伸的，而且探测器里充满了发光的液体（液体闪烁体），光线是向四面八方乱跑的。就像在烟雾缭绕的房间里，很难看清烟雾是从哪里爆发出来的。
• 目标：我们需要找到那个**“能量爆发的中心点”**（论文里叫“有效能量沉积顶点”），然后只在这个中心点周围画一个圈来过滤，而不是把整个水池都关掉，这样能保留更多的实验时间。

3. 创新方法：像“消消乐”一样减去背景

这篇论文提出了一种聪明的**“波形减法”**方法，就像玩“消消乐”或者“降噪耳机”：

1. 记录声音：探测器周围有上万个像耳朵一样的光电倍增管（PMT），它们记录水花爆发时的光信号（波形）。
2. 制造“标准噪音”：科学家在电脑里模拟了一种**“只游不炸”的水獭**（非簇射缪子）。这种水獭只留下淡淡的游动轨迹，没有大爆炸。
3. 做减法：
   • 把真实记录到的“大爆炸水花信号”（包含游动轨迹 + 大爆炸）。
   • 减去电脑模拟的“标准游动轨迹信号”。
   • 剩下的：就是纯粹的“大爆炸”信号！
4. 定位中心：剩下的信号里会有几个明显的“波峰”（就像水花溅起时的几个高点）。科学家利用这些波峰到达的时间，结合光在水里的传播速度，通过数学迭代（反复计算修正），就能精准算出那个“爆炸中心”在哪里。

4. 效果如何？

经过模拟测试，这个方法非常厉害：

• 精准度：对于 68% 的情况，找到的“爆炸中心”和真实位置误差小于 16 厘米（大概一个苹果的大小）。考虑到这是一个几十米宽的大水池，这简直像用望远镜在几公里外看清了蚂蚁的脚。
• 成功率：只要爆炸能量够大，96% 以上的情况都能成功找到位置。
• 抗干扰：即使我们不知道水獭具体是怎么游的（轨迹有误差），这个方法依然能工作，误差依然控制在 1 米以内。

5. 总结与意义

这就好比科学家发明了一种**“智能除噪器”：
以前，为了去掉水獭制造的噪音，我们可能要把整个游泳池的水都排干（全探测器屏蔽），这样太浪费，很多真正的鱼也抓不到了。
现在，我们只需要精准定位到水獭溅起水花的那个点，然后只把那个小圆圈里的水过滤掉**。

这对未来的意义：

• 更干净的数据：能更有效地去除放射性背景，让科学家更容易发现中微子、暗物质等宇宙奥秘。
• 通用技术：这套方法不仅适用于江门中微子实验（JUNO），未来其他大型地下实验（比如寻找暗物质的实验）如果也有类似的探测器，都可以用这套“减法”技术来提纯数据。

一句话总结：
这篇论文教我们如何用“数学减法”和“时间差”，在巨大的发光水池里，精准地揪出那些制造噪音的“水花中心”，从而让科学家能更清晰地听到宇宙深处微弱的“心跳声”。

技术摘要

以下是关于论文《Reconstruction of the Effective Energy-deposition Vertex of Muon Showers using PMT Waveform in a Large-scale Liquid Scintillator Detector》（利用大型液体闪烁体探测器中的 PMT 波形重建缪子簇射的有效能量沉积顶点）的详细技术总结：

1. 研究背景与问题 (Problem)

• 背景： 在深地低本底实验（如江门中微子实验 JUNO）中，宇宙线缪子诱发的放射性同位素（如 $^9$Li, $^8$He, $^{11}$C 等）是主要的本底来源。虽然岩石覆盖层大幅衰减了缪子通量，但残留的缪子诱发本底仍需通过主动抑制（Veto）策略来消除。
• 核心问题：
  • 传统的“全探测器 veto"策略在千吨级甚至万吨级液体闪烁体（LS）探测器中效率低下，会导致过高的死时间。
  • 缪子事件拓扑复杂，包括穿透缪子（非簇射）、停止缪子和簇射缪子（Shower Muons）。
  • 研究表明，簇射缪子虽然仅占缪子总数的约 19.8%，却贡献了约 88.2% 的诱发同位素本底。
  • 现有的缪子轨迹重建技术主要针对穿透缪子，缺乏对簇射缪子顶点的高精度重建方法。由于液体闪烁体各向同性发光，难以像切伦科夫探测器那样直接观测簇射轮廓，导致簇射顶点重建极具挑战性。
• 目标： 开发一种基于波形的方法，精确重建簇射缪子的能量沉积中心（即簇射顶点），以便实施局部空间 veto，从而在保留高探测效率的同时有效抑制本底。

2. 方法论 (Methodology)

论文提出了一种基于PMT 波形分析的簇射顶点重建算法，主要步骤如下：

A. 定义与模拟基础

• 簇射顶点定义： 半径 2 米范围内能量沉积的加权中心。模拟显示，该范围覆盖了大部分簇射能量，且 84% 的缪子诱发同位素位于该顶点 3 米范围内。
• 簇射缪子定义： 在半径 2 米球体内沉积能量大于 1.8 GeV 的缪子（扣除缪子轨迹的最小电离能量）。
• 波形特征： 簇射缪子的 PMT 波形包含“轨迹分量”（最小电离）和“簇射分量”（高能次级粒子）。簇射分量会在波形上产生显著的额外峰值。

B. 核心算法流程

1. 轨迹分量扣除（Waveform Subtraction）：
   • 为了提取纯净的簇射信号，首先需要从记录的簇射缪子波形中减去轨迹分量。
   • 非簇射波形获取： 由于真实数据中难以找到完全相同轨迹的非簇射缪子，作者采用解析计算法。基于能量沉积模型、光子传播模型和 PMT 响应，根据缪子轨迹分段（30cm 一段）计算预期的轨迹分量波形，并从原始波形中减去。
2. 峰值提取：
   • 在扣除轨迹分量后的残差波形中，寻找显著峰值（阈值设为扣除后最大幅度的 60%）。这些峰值对应于簇射能量沉积产生的光子到达时间。
3. 顶点重建（迭代优化）：
   • 构建 $\chi^2$ 函数，比较观测到的峰值时间 ($T_{obs}$) 与基于假设顶点位置预测的时间 ($T_{pre}$)。
   • 预测时间模型： $T_{pre} = t_{incident} + t_{muon\_tof} + t_{photon\_tof} + t_{delay} + t_{offset}$。
     • 考虑了缪子入射时间、飞行时间、光子在液体闪烁体中的传播时间（考虑折射率、散射、吸收等复杂光学过程）、电子学延迟及波形偏移。
   • 迭代过程：
     • 初始顶点由电荷重心法提供。
     • 利用 $\chi^2$ 最小化算法迭代优化顶点位置。
     • 每次迭代更新预测时间并重新计算 $\chi^2$。
     • 模拟表明，经过4 次迭代后，重建顶点收敛至最优解，继续迭代收益甚微。
4. PMT 选择策略：
   • 并非所有 PMT 都用于重建。通过分析 $\Delta t_{peak}$ ($T_{pre} - T_{obs}$) 的分布，选择位于峰值分布 68% 分位数范围内的 PMT 作为输入，以剔除异常值并提高精度。

3. 关键贡献 (Key Contributions)

1. 首创性方法： 首次针对 20 千吨级液体闪烁体探测器（以 JUNO 为基准），提出了基于波形扣除和迭代优化的簇射缪子顶点重建方法。
2. 波形分离技术： 提出并验证了通过解析计算扣除轨迹分量以提取簇射信号的有效性，解决了液体闪烁体中难以区分轨迹与簇射光子的难题。
3. 高精度重建： 实现了亚米级的簇射顶点重建精度，特别是对于定义“有效能量沉积顶点”（半径 2m 内加权中心）的重建，为局部 veto 提供了物理基础。
4. 效率与鲁棒性验证： 系统评估了算法在不同能量、不同位置以及考虑轨迹重建误差（Smear）情况下的性能，证明了其在真实实验条件下的可行性。

4. 主要结果 (Results)

基于 JUNO 模拟数据的测试结果如下：

• 重建精度（Resolution）：
  • 对于 68% 的事件，单簇射顶点的空间分辨率分别为：
    • X 方向：0.16 m
    • Y 方向：0.15 m
    • Z 方向：0.26 m
  • 顶点距离（欧氏距离）的 68% 分位数分辨率为 0.49 m。
  • 沿缪子轨迹方向（$d_L$）和垂直方向（$d_T$）的分辨率分别为 0.40 m 和 0.17 m，反映了簇射沿缪子方向延伸的“蛋形”特征。
• 重建效率（Efficiency）：
  • 当要求重建顶点与真实顶点的距离小于 3.0 m 时，重建效率超过 96%（对于 100 GeV 初始能量的缪子，效率达 96.7%）。
  • 在簇射能量 > 3 GeV 时，效率接近 100%。
• 鲁棒性：
  • 即使考虑缪子轨迹重建的不确定性（入射/出射点高斯弥散 $\sigma=20$ cm），顶点偏差仍控制在 1 m 以内。
  • 在探测器中心区域（$R < 15$ m）性能稳定，边缘区域（$R > 16$ m）因能量泄漏和边界反射略有下降。
• 双簇射事件： 算法对双簇射事件中的第一个顶点也表现出一定的重建能力（效率接近 100%，精度约 1 m），但第二个顶点受干扰较大，需进一步研究。

5. 意义与展望 (Significance)

• 本底抑制策略优化： 该方法使得实施局部球形 veto成为可能。通过以重建的簇射顶点为中心（半径 3-5 米），可以剔除 84%-92.5% 的诱发同位素本底，同时大幅减少因全探测器 veto 造成的死时间，显著提升 JUNO 等实验的物理灵敏度。
• 通用性： 该基于波形的方法不仅适用于 JUNO，也可推广至其他记录波形信息的大型低本底实验（如暗物质探测、中微子探测），为处理复杂的缪子本底提供了关键技术支撑。
• 未来工作： 论文建议结合圆柱形轨迹 veto 和球形簇射顶点 veto 的混合策略，并进一步优化光学模型和能量沉积模型以提升性能。

总结： 该论文提出了一种创新且高效的波形处理方法，成功解决了大型液体闪烁体探测器中簇射缪子顶点重建的难题，为下一代深地实验的本底抑制提供了至关重要的技术基础。