机器学习实现对闪烁探测器中光子逐个到达时间的实验测量
仪器与探测器
2026-05-28 v1 机器学习
医学物理
摘要
具有优异时间分辨率的闪烁探测器能够在正电子发射断层扫描中更精确地定位辐射源，从而显著提升对癌症和痴呆等疾病的诊断能力。在皮秒尺度所需的极端时间精度下，探测器性能由探测器内部产生的闪烁光子的微观动力学及其后续探测过程所支配。然而，由于光电探测器固有的结构限制，探测器信号传统上仅被视为多个光子的集体响应。在本研究中，我们利用深度学习克服了这一根本性限制，实现了对单个光子时间信息的直接访问。所提出的方法直接从探测器波形估计光子逐个到达时间，无需对探测器结构进行任何修改；该方法通过将无监督学习框架与物理信息驱动的探测器响应模型相结合，在逐事件基础上运行，无需真实标签。通过结合蒙特卡洛模拟和跨多种探测器配置的实验测量的全面验证，我们实验证明了时间分辨率的提升、可视化了依赖于相互作用深度的光子传输，并基于估计的光子级时间信息，使用统一的深度学习框架对切伦科夫光子和闪烁光子进行了分类。这些结果为光子动力学提供了实验途径，弥合了理论建模与实验观测之间的差距，并为探测器物理和优化开辟了一条新的数据驱动发现路径。
引用
@article{arxiv.2605.27937,
title = {Machine learning enables experimental access to photon-by-photon arrival times in scintillation detectors},
author = {Yuya Onishi and Ryosuke Ota and Fumio Hashimoto and Kibo Ote and Go Akamatsu and Hideaki Tashima and Taiga Yamaya},
journal= {arXiv preprint arXiv:2605.27937},
year = {2026}
}