用于 AGATA 晶体 3D 表征的神经网络
仪器与探测器
2026-02-06 v2 核实验
摘要
精确定位伽马射线相互作用对于 AGATA (Advanced GAmma Tracking Array) 的性能至关重要。用于位置估计的脉冲形状分析 (PSA) 方法依赖于模拟信号数据库。用于扫描 AGATA 晶体的脉冲形状比较扫描 (PSCS) 方法用于产生实验信号数据库。本文提出了一种新方法，利用长短期记忆 (LSTM) 神经网络确定伽马射线在 AGATA 晶体中的 3D 相互作用位置，该网络基于来自 IPHC Strasbourg 的数据进行训练，从而构建了一个实验数据库。引入了自定义掩码损失函数，以支持带有不完整位置信息的训练。该新方法生成的数据库优于现有的模拟数据库和基于常规 PSCS 算法获得的实验数据库。
引用
@article{arxiv.2508.06545,
title = {Neural Networks for 3D Characterisation of AGATA Crystals},
author = {Mojahed Abushawish and Guillaume Baulieu and Jérémie Dudouet and Olivier Stézowski},
journal= {arXiv preprint arXiv:2508.06545},
year = {2026}
}