Вы один из авторов этой статьи? Напишите нам с рабочей или университетской почты, указав arXiv ID этой статьи, и мы подтвердим вас и дадим доступ к редактированию этой страницы.
Вы автор работы и видите, что мы что-то упустили или поняли неточно? Напишите нам: тема письма уже содержит номер статьи. Мы прочитаем, учтём и поправим разбор.
Ловушка для частиц учится отбирать важное прямо во время работы.
📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить.
Детектор MicroBooNE — это большой бак с жидким аргоном, который ловит частицы, пролетающие сквозь него. Когда частица проходит, она оставляет след из заряда и вспышку света. Эти следы складываются в трёхмерную картинку события, как будто частица рисует свой путь в прозрачном кубе.
Но таких событий слишком много: каждую секунду через детектор пролетают сотни космических мюонов. Записывать всё подряд — значит утонуть в данных. Обычно отбором занимаются после, на компьютерах, но это медленно и дорого. Новая работа показывает, как научить детектор отбирать нужное прямо на лету, как опытный повар, который снимает пенку с бульона, не выключая плиту.
Алгоритм смотрит только на заряд, оставленный частицей в проволочных плоскостях, и за доли секунды решает: это интересный электрон от остановившегося мюона или просто шум.
Такой онлайн-отбор впервые проверен на реальных данных жидкoаргонового детектора. Он работает быстро и точно, и его можно перенести на будущие эксперименты, где поток данных будет ещё мощнее. Это как научить почтовый фильтр отличать важные письма от спама до того, как они попадут в ящик.
Теперь детектор не просто видит частицы — он учится слышать шёпот редких событий в грохоте космических лучей.
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.
