利用深度学习技术从LArTPC原始波形中提取低能信号——概念验证
仪器与探测器
2022-02-09 v1 高能物理 - 实验
摘要
我们研究使用深度学习技术，即一维卷积神经网络（1D-CNN），从液氩时间投影室（LArTPC）探测器各通道产生的原始波形中提取信号的可行性。我们开发了最小通用LArTPC探测器模型，以生成用于训练和测试1D-CNN的真实噪声与信号波形，并评估其在低电平信号上的性能。我们证明，该方法通过将灵敏度扩展到ADC值低于其设定阈值的信号，克服了传统基于截断方法的固有缺陷。该方法在增强如DUNE等未来一代中微子实验开展低能中微子物理项目的能力方面展现出巨大前景。
引用
@article{arxiv.2106.09911,
title = {Extracting low energy signals from raw LArTPC waveforms using deep learning techniques -- A proof of concept},
author = {Lorenzo Uboldi and David Ruth and Michael Andrews and Michael H. L. S. Wang and Hans-Joachim Wenzel and Wanwei Wu and Tingjun Yang},
journal= {arXiv preprint arXiv:2106.09911},
year = {2022}
}