Comment capturer un signal rare dans un océan de données express
Le détecteur MicroBooNE est une grande cuve d'argon liquide qui capture les particules qui le traversent. Lorsqu'une particule passe, elle laisse une traînée de charge et un éclair de lumière. Ces traces se combinent en une image tridimensionnelle de l'événement, comme si la particule dessinait son chemin dans un cube transparent.
Mais ces événements sont trop nombreux : chaque seconde, des centaines de muons cosmiques traversent le détecteur. Tout enregistrer reviendrait à se noyer dans les données. Habituellement, la sélection se fait après coup, sur des ordinateurs, mais c'est lent et coûteux. Les nouveaux travaux montrent comment apprendre au détecteur à sélectionner ce qui est important à la volée, comme un cuisinier expérimenté qui écume le bouillon sans éteindre le feu.
Cette sélection en ligne a été testée pour la première fois sur des données réelles d'un détecteur à argon liquide. Elle fonctionne rapidement et avec précision, et peut être transposée aux futures expériences où le flux de données sera encore plus important. C'est comme apprendre à un filtre à courrier à distinguer les lettres importantes du spam avant qu'elles n'arrivent dans la boîte.
Désormais, le détecteur ne se contente plus de voir les particules – il apprend à entendre le murmure des événements rares dans le vacarme des rayons cosmiques.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2602.11138
The MicroBooNE detector is a liquid argon time projection chamber (LArTPC) that produces three-dimensional images of particle interactions using ionization charge collected by anode wire plane arrays and scintillation light collected by a light detection system. In addition to testing long-standing experimental neutrino anomalies and performing measurements of neutrino interactions with argon nuclei using the Fermilab Booster Neutrino Beam, MicroBooNE aims to develop methodologies for rare beyond the Standard Model and off-beam physics searches. Looking ahead to the upcoming Deep Underground Neutrino Experiment (DUNE), with MicroBooNE serving as a valuable testbed, achieving high sensitivity and livetime for off-beam physics while satisfying data processing and storage constraints will require data-driven, intelligent, and online or real-time data selection techniques. These techniques are essential for reducing data rates and preserving rare signals with high accuracy. In this paper, we describe a fast data selection algorithm suitable for online execution to identify electrons from stopping cosmic ray muons in the MicroBooNE detector utilizing ionization charge information, and present its performance. This represents the first demonstration of online data selection in a LArTPC using real data and charge information exclusively and provides an important proof-of-principle for applying such techniques to other LArTPC experiments such as the Short-Baseline Near Detector and DUNE.
L'argon liquide dans le détecteur MicroBooNE est refroidi à moins 186 degrés Celsius – plus froid que la surface de Mars.