Electromagnetic Shower Reconstruction and Identification in FASER's Emulsion Detector for LHC Forward Neutrino Measurements

技术摘要：FASER 蚀刻胶探测器中的电磁簇射重建与识别

问题陈述
大型强子对撞机（LHC）上的 FASER 实验旨在研究高能中微子相互作用，特别是电子中微子 ($\nu_e$) 粲产生（CC）相互作用，这些相互作用发生在一个主 LHC 探测器无法触及的前向运动学区域。Faser$\nu$ 探测器利用钨-蚀刻胶采样量热计来检测这些相互作用。该环境面临的一个主要挑战是强烈的 LHC 缪子背景，其数量比信号电子高出数个数量级（在测试条件下，缪子约占 99%，电子约占 1%）。此外，现有的针对 200 GeV 以上能量优化的重建方法在较低能量（数十 GeV）下表现不佳，因为此时电磁（EM）簇射产生的段数较少，使其更难与背景区分开来。本文旨在开发一种鲁棒且与能量无关的重建与识别算法，能够在 FASER$\nu$ 广泛的能量范围（50 GeV 至多 TeV）内将电磁簇射与缪子背景区分开来。

方法论
作者提出了一个三阶段分析流程，并使用来自 CERN SPS H4 束线的 100 GeV 和 200 GeV 电子测试束数据进行了验证。

1. 轨迹预筛选 (Track Pre-selection)：

   • 流程始于轨迹级选择，以剔除明显的缪子背景。
   • 通过轨迹段数 ($n_{seg}$) 和散射角 ($\theta_s$) 来表征轨迹。
   • 应用切断条件：对于 100 GeV，$3 \le n_{seg} \le 30$；对于 200 GeV，$n_{seg} \le 40$，且 $\theta_s \ge 2$ mrad。这移除了破碎的轨迹和穿透型缪子（具有高 $n_{seg}$ 和低 $\theta_s$），保留了约 29% 源自第一块探测板的轨迹。

2. 簇射重建 (Shower Reconstruction)：

   • 轴线初始化 (Axis Initialization)： 通过拟合初级轨迹的前三个段来确定初始簇射轴线。
   • 自适应聚类 (Adaptive Clustering)： 定义一个初步的圆柱形搜索体积（半径 100 $\mu$m，长度 8 cm）。在该体积内，应用基于密度的噪声空间聚类算法 (DBSCAN) 对段进行分组。
   • 参数自适应 (Parameter Adaptation)： 至关重要的是，DBSCAN 的参数不依赖于能量。邻域半径 ($\epsilon$) 设置为每块探测板上中值最近邻距离的 $2.5$倍（限制在 10–80$\mu$m 之间），且最小簇大小 ($N_{min}$) 随局部段密度进行缩放（$N_{min} = \max(2, \lfloor N_{seg}/4 \rfloor)$）。
   • 轴线精化 (Axis Refinement)： 识别出的簇质心会逐一针对临时轴线进行验证。如果偏差 $< 60$ $\mu$m，则接受该质心。最终的簇射轴线使用 Huber 鲁棒回归法确定，该方法通过最小化离群值的影响，并约束其必须通过第一个经过验证的质心。

3. 簇射识别 (Shower Identification)：

   • 松散识别 (Loose ID，基于切断法)： 利用一系列关于簇射形状变量（例如，单块探测板上的最大段数、总段数、角扩散）的切断条件，去除大部分剩余的缪子背景。
   • 中等识别 (Medium ID，基于 BDT)： 提升决策树 (XGBoost) 分类器利用十个簇射形状变量来区分真实的电磁簇射与残余背景。这些变量包括纵向分布（集中度、不对称性）、横向/聚类指标（展宽比、簇碎片化）以及角扩散。分类器基于 100 GeV 电子蒙特卡洛 (MC) 数据和通过视觉检查识别的测试束数据中的缪子背景进行训练。

主要贡献

• 能量无关算法： 开发了一种无需进行能量依赖性调优即可适应局部段密度的重建算法，使其能够应用于从数十 GeV 到多 TeV 的能量范围。
• 鲁棒识别链： 实现了一种多级识别策略（预筛选 $\to$ 松散识别 $\to$ 中等识别），在保持信号效率的同时实现了高背景抑制。
• 量热能量估计： 证明了重建的总段数 ($N_{total}$) 是一个有效的量热估计量，前提是需考虑单片胶片检测效率。
• 系统不确定性量化： 对系统不确定性进行了详细评估，确定单片胶片检测效率的变化是主要的误差来源。

结果

• 重建与识别效率：
  • 在 100 GeV 时：总效率为 58.9%，综合背景抑制率为 99.99%。
  • 在 200 GeV 时：总效率为 70.8%，综合背景抑制率为 99.94%。
• 能量重建性能：
  • 使用 $N_{total}$ 作为估计量时，相对偏差在 100 GeV 时为 +0.6%，在 200 GeV 时为 −0.8%。
  • 能量分辨率（分数残差的 RMS）在 100 GeV 时为 25.4%，在 200 GeV 时为 22.6%。
• 系统不确定性：
  • 能量重建的总系统不确定性由单片胶片效率的变化主导。
  • 在 100 GeV 时：$+10.9\% / -8.2\%$。
  • 在 200 GeV 时：$+10.3\% / -6.9\%$。
  • 背景污染的贡献可以忽略不计 ($\sim 0.1\%$)。
• 验证： MC 与测试束数据之间的比较显示，在簇射观测值（簇射极大值、$N_{7-core}$、纵向剖面）方面具有良好的一致性，验证了探测器模拟和重建链的有效性。

意义
本文声称，所提出的方法为使用 FASER$\nu$ 探测器进行电子中微子识别提供了一个经过验证的框架。作者指出，一旦在高背景的 LHC 环境中完成验证（通过适当的束流轨迹掩模），该方法将被用于测量电子中微子粲产生相互作用的截面，并研究 TeV 能量下的中微子味组成。通过使用基于比例和角度的变量，BDT 确保了分类器在整个 FASER$\nu$ 宽能量范围内保持稳定，从而使其能够在无需重新调优的情况下应用于低至 50 GeV 的能量。