Phast：基于机器学习的 PMT 波形光电子数与时间轮廓联合重建
高能物理 - 实验
2026-05-29 v1
摘要
光电倍增管 (PMT) 在粒子与核物理实验中广泛应用。PMT 波形重建是这些实验中的基本任务，要求准确提取光电子 (PE) 数量和时间，以供下游事件重建和分析使用。在现实探测器环境中，PMT 波形重建受到pileup、电荷波动、噪声等电子效应的 complicate，使精确恢复物理可观测量具有挑战。为此，我们提出一种基于机器学习的方法 \phast{}，同时重建 PE 数量和时间轮廓。该模型由共享的波形-变换器编码器 followed by 两个专用分支构成：用于总 PE 数预测的计数分支，以及采用计数条件查询解码器并具有动态查询激活的时分支。为研究在受控条件下的重建性能，我们构建了多个玩具蒙特卡罗 PMT 波形数据集，包括均匀和混合快速慢双时序组件配置。该方法在各种波形条件下表现出稳定且准确的重建性能，在 PE 计数和时间重建方面实现高度一致性。这些结果表明，结合卷积特征提取与查询-based 变换器解码器的架构为处理复杂 PMT 波形重建任务提供了有效方法。
引用
@article{arxiv.2605.29391,
title = {Phast: Simultaneous reconstruction of photoelectron count and time profiles from PMT waveforms via machine learning},
author = {Yiming Xu and Youwen Fan and Siyu Chen and Hongyue Duyang and Teng Li and Yaoguang Wang},
journal= {arXiv preprint arXiv:2605.29391},
year = {2026}
}