基于深度学习的反物质湮灭顶点重建：ALPHA-g 径向时投影室
仪器与探测器
2025-05-22 v2 机器学习
高能物理 - 实验
摘要
CERN 的 ALPHA-g 实验旨在精确测量反氢原子的地表引力加速度。一个径向时投影室（rTPC）环绕 ALPHA-g 磁阱，用于确定湮灭位置，即顶点。标准方法需要从气体内相互作用的位置（空间点）识别 rTPC 中电离粒子的轨迹，并通过寻找这些轨迹（螺旋线）彼此最接近的点来推断顶点位置。在本工作中，我们提出了一种基于 PointNet 深度学习架构模型集合的顶点重建新方法。新开发的模型——用于湮灭重建的 PointNet 集成（PEAR），直接学习顶点位置与 rTPC 空间点之间的关系，从而无需识别和拟合粒子轨迹。PEAR 在从模拟数据重建垂直顶点位置方面表现出强劲性能，在所有评估指标上均优于标准方法。此外，深度学习方法能够在标准方法失败时重建垂直顶点位置。
引用
@article{arxiv.2502.12169,
title = {Antimatter Annihilation Vertex Reconstruction with Deep Learning for ALPHA-g Radial Time Projection Chamber},
author = {Ashley Ferreira and Mahip Singh and Yukiya Saito and Andrea Capra and Ina Carli and Daniel Duque Quiceno and Wojciech T. Fedorko and Makoto C. Fujiwara and Muyan Li and Lars Martin and Gareth Smith and Anqui Xu},
journal= {arXiv preprint arXiv:2502.12169},
year = {2025}
}