Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning

本文介绍了 CYGNO 实验中利用机器学习的两种互补方法：一种基于无监督重构异常检测的卷积自编码器，用于从稀疏巨像素图像中高效提取感兴趣区域以实现实时数据缩减；另一种采用弱监督的“无标签分类”（CWoLa）框架，成功从混合数据中识别出与核反冲一致的高分事件拓扑结构。

要点

这篇论文讲的是科学家如何给一个叫 CYGNO 的“暗物质探测器”装上“超级大脑”（机器学习），让它能更聪明、更快速地寻找宇宙中神秘的暗物质。

为了让你更容易理解，我们可以把整个实验过程想象成在一个巨大的、嘈杂的体育场里寻找一只特定的萤火虫。

1. 背景：巨大的体育场与微小的信号

• 探测器（CYGNO）：想象 CYGNO 是一个巨大的、装满特殊气体的透明房间（时间投影室）。当暗物质粒子（或者像中子这样的干扰粒子）穿过时，它们会撞击气体分子，产生微弱的光点。
• 相机：房间里装了几台超高清的“百万像素”相机，专门捕捉这些光点。
• 挑战：
  • 数据量太大：相机拍出来的照片是巨大的（像几百万个像素点），但真正有用的“光点”只占其中极小的一小部分（就像在一张巨大的白纸上，只有几个黑点）。
  • 噪音太多：照片上有很多杂乱的“雪花点”（电子噪音、固定图案干扰），就像体育场里成千上万个观众的嘈杂声。
  • 时间紧迫：如果要把每一张巨大的照片都存下来慢慢分析，电脑会累死，而且来不及反应。我们需要一种方法，能瞬间把照片里没用的部分扔掉，只保留可能有“萤火虫”的那一小块区域。

2. 第一个方案：教电脑“认噪音”（无监督异常检测）

目标：快速筛选，只保留有东西的地方。

• 比喻：想象你有一个专门听“安静”的耳朵。
  • 科学家先让相机在没有任何粒子的时候拍照（这叫“基座数据”或 Pedestal data）。这时候照片里只有“噪音”（就像房间里的背景嗡嗡声）。
  • 他们训练一个AI 模型（自编码器），让它只学习这些“只有噪音”的照片。这个 AI 学会了：“哦，原来正常的照片长这样，全是这种杂乱的雪花点。”
  • 实战：当真正的粒子穿过时，照片里会出现新的光点。AI 一看：“咦？这张照片里有我不认识的东西！这里有个光点，我的‘噪音模型’重建不出来！”
  • 结果：AI 立刻标出这些“重建失败”的地方，把它们圈出来（称为 ROI，感兴趣区域）。
  • 效果：这个方法非常聪明且快。它能把照片里97.8% 的无用垃圾（噪音区域）直接扔掉，只保留93% 的有效信号。而且它处理一张照片只需要25 毫秒（比眨眼还快），就像给相机装了一个极速过滤器。

3. 第二个方案：教电脑“猜身份”（弱监督分类）

目标：区分“真暗物质”和“假干扰”。

• 挑战：暗物质（我们要找的）和普通的原子核反冲（像中子，是干扰项）长得非常像，而且科学家手里没有“标准答案”（标签）。就像给你一堆混在一起的苹果和梨，但你不知道哪个是哪个，只知道这堆水果里大概有 30% 是苹果。
• 比喻：想象你在玩一个**“找不同”的游戏**。
  • 科学家准备了两堆照片：
    1. A 堆（混合堆）：里面既有暗物质信号，也有背景噪音（就像混着苹果和梨的篮子）。
    2. B 堆（纯背景堆）：只有背景噪音（就像只有梨的篮子）。
  • 他们训练一个 AI，不给它看具体的标签，只告诉它：“请找出 A 堆和 B 堆哪里不一样。”
  • 原理：因为 A 堆里混入了特殊的“苹果”（暗物质信号），AI 会发现 A 堆里有一些奇怪的形状（比如更圆、更紧凑的光点），而 B 堆里没有。
  • 结果：AI 学会了识别这些“像苹果”的形状。虽然它不知道具体哪个是苹果，但它能挑出那些最像暗物质的候选者。
  • 效果：这种方法非常接近理论上的极限。它成功地把那些形状紧凑、圆圆的“核反冲”事件挑了出来，就像在混杂物里精准地挑出了苹果。

4. 总结：为什么这很重要？

这篇论文展示了两种“魔法”：

1. 极速过滤器：利用 AI 识别噪音，瞬间把海量数据压缩，只保留精华，让未来的探测器能处理得过来。
2. 盲眼侦探：在没有标准答案的情况下，利用混合数据训练 AI，让它自己学会分辨什么是“信号”，什么是“噪音”。

一句话总结：
这就好比给 CYGNO 探测器装上了**“极速垃圾分拣机”和“直觉侦探”**，让它能在茫茫的数据海洋中，又快又准地抓住那稍纵即逝的暗物质线索，为人类解开宇宙最大的谜题铺平道路。

技术摘要

CYGNO 实验中基于机器学习的暗物质搜索触发优化与事件分类技术总结

1. 研究背景与核心问题

CYGNO 实验利用光学读出时间投影室（TPC）搜索低能（O(1–100) keV）稀有事件，旨在探测暗物质相互作用产生的核反冲（Nuclear Recoil, NR）信号。该探测器使用 He-CF4 气体混合物，通过光电倍增管（PMT）提供时间信息，并由科学级 CMOS 相机记录气体放大（GEM）产生的电致发光图像。

面临的主要挑战：

• 数据量巨大：光学读出产生高分辨率的兆像素（megapixel）图像，但物理信号仅占据极小部分像素。若存储全帧数据，CYGNO-04 演示器的数据吞吐量将达到约 100 MB/s。
• 实时性要求：传统的离线重建流程（秒级延迟）无法满足在线触发（trigger-level）的需求。
• 背景抑制困难：需要在大量电子反冲（Electronic Recoil, ER）背景中识别出稀疏的 NR 信号，且往往缺乏事件级别的标签数据。

2. 方法论：两种互补的机器学习策略

论文提出了两种基于“最小监督”（minimal supervision）的机器学习方案，分别解决在线数据压缩和事件分类问题。

策略一：基于自编码器的无监督异常检测（用于 ROI 提取）

• 原理：利用重建型异常检测（Reconstruction-based Anomaly Detection）。
• 训练数据：仅使用基座数据（Pedestal images），即在 GEM 放大电压关闭时采集的纯噪声图像。这使得模型完全无监督地学习探测器的噪声形态（读出噪声、固定图案噪声等）。
• 模型架构：卷积自编码器（Convolutional Autoencoder, AE），包含下采样、上采样、跳跃连接及 128 维潜在表示。
• 工作流程：
  1. 训练 AE 重建基座噪声。
  2. 将标准帧（含粒子信号）输入模型，计算像素级残差图 $r(x) = |x - \hat{x}|$。
  3. 粒子诱导的结构在残差图中表现为局部高值（重建失败），而噪声被良好重建。
  4. 通过全局阈值和形态学闭运算（Morphological Closing）将残差图转化为紧凑的感兴趣区域（ROI）。
• 优化目标：在保留信号强度的同时，尽可能剔除背景图像区域。

策略二：基于 CWoLa 的弱监督核反冲分类

• 原理：应用无标签分类（Classification Without Labels, CWoLa）框架。
• 数据源：利用镅 - 铍（AmBe）中子源产生的混合数据。
  • AmBe 样本：包含中子诱导的 NR 信号（及伴随的 ER 背景）。
  • 标准（STD）样本：仅包含背景（无中子源）。
  • 关键假设：AmBe 样本是信号（NR）和背景（ER）的混合，而 STD 样本是纯背景。通过区分这两个混合分布，分类器可以学习到信号特征，而无需单个事件的标签。
• 理论极限：根据数据驱动的信号分数 $\alpha$（AmBe 中 NR 的比例），计算了 ROC-AUC 的理论上限（Mixture Ceiling）。
• 模型架构：紧凑的卷积神经网络（CNN），输入为 128×128 的重建事件灰度图，使用二元交叉熵损失函数训练。

3. 关键结果

3.1 无监督 ROI 提取性能

在 1563 个重建事件测试集上，最佳配置表现如下：

• 信号保留率：保留了 (93.0 ± 0.2)% 的重建信号强度。
• 数据压缩率：剔除了 (97.8 ± 0.1)% 的图像面积（即仅保留约 2.2% 的图像区域作为 ROI）。
• 推理延迟：在消费级 GPU 上，单帧推理时间约为 25 ms。
• 意义：证明了基于基座训练的异常检测是实现快速、无监督在线数据缩减的可行方案。

3.2 弱监督 NR 分类性能

• 信号分数：在选定的能量 - 密度平面上，AmBe 样本中可归因于信号（NR）的分数为 $\alpha = (32.0 \pm 0.9)\%$。
• 理论上限：基于混合比例，AUC 的理论最大值为 $0.660 \pm 0.005$。
• 实际表现：分类器性能接近理论上限。
• 物理一致性：高分事件（$p > 0.8$）在能量 - 密度平面上聚集于 NR 偏好区域，且形态学上呈现紧凑、近似圆形的特征，与预期的核反冲轨迹一致。

4. 主要贡献与创新点

1. 无监督 ROI 提取新范式：首次提出利用纯噪声（基座）数据训练自编码器，通过重建残差实时提取稀疏信号区域。该方法无需任何信号标签，且能显著降低数据量（>97%），满足在线触发需求。
2. 弱监督分类在暗物质搜索中的应用：成功将 CWoLa 框架应用于 CYGNO 的 AmBe 校准数据，在缺乏事件级标签的情况下，直接从混合数据中分离出核反冲拓扑结构。
3. 性能验证：实验结果表明，无监督方法在保持高信号效率的同时实现了极高的压缩比；弱监督分类器的性能逼近由数据混合比例决定的理论极限，验证了该方法在稀有事件搜索中的有效性。

5. 科学意义与展望

• 可扩展性：这两种 ML 策略为下一代 CYGNO 光学 TPC（如 CYGNO-04）提供了可扩展的在线数据选择方案，解决了高吞吐量数据处理的瓶颈。
• 通用性：所提出的“基于噪声重建的异常检测”和“基于混合样本的弱监督分类”策略，不仅适用于 CYGNO，也可推广至其他暗物质搜索实验及稀有信号定位任务中。
• 未来工作：计划利用带有标签的模拟数据对 CWoLa 分类器进行定量验证，并进一步优化自编码器以增强对微弱信号的敏感度。

总结：该论文展示了机器学习在解决下一代暗物质探测器数据挑战中的关键作用，通过无监督和弱监督学习，实现了从海量稀疏图像中高效提取稀有信号并区分物理过程的目标。