面向 ePIC 近距离聚焦 RICH 的混合机器学习粒子鉴别

我们提出了一种基于机器学习的粒子鉴别研究，用于 Electron-Ion Collider (ePIC) 实验的近距离聚焦 Ring Imaging Cherenkov (pfRICH) 检测器。该 pfRICH 检测器在向后区域 ($-3.5 \lesssim \eta \lesssim -1.5$) 工作，旨在实现对 Semi-Inclusive Deep Inelastic Scattering 测量中 π、K、p 三种介质至多达 $7,\mathrm{GeV}/c$ 的至少 $3\sigma$ 区分度。基于 pfRICH 的独立 Geant4 模拟，我们开发了一种混合机器学习方法，将卷积神经网络特征提取与梯度提升决策树分类器相结合。该方法显著提升了 Cherenkov 环模式识别，并改善了粒子分离性能，展示了混合机器学习技术在 EIC 下一代 Cherenkov 检测器中的有效性。