用于 BEGe 类型高纯德尔宾斯探测器中 $\alpha$ 事件抗拒的脉冲形态判别

高纯德尔宾斯探测器因其卓越的能量分辨率和极高的固有 (放射) 纯度而广泛用于罕见事件搜索。在类似 LEGEND 这样的寻找中性无双电子衰变的实验中，需要进行脉冲形态判别以抑制多位置 $\gamma$ 事件。本文研究了是否可以仅基于 $\gamma$ 射线数据训练的脉冲形态判别分类器，用于识别并抗拒 $\alpha$ 事件，而无需专门的 $\alpha$ 训练数据。在 LEGEND 等探测器中，整个实验期间预计注册的 $\alpha$ 事件数量不足以训练专用分类器，但仍会贡献背景。本文研究了两种基于机器学习的方法：多层感知器和投影似然分类器。将 $^{209}$Po 和 $^{210}$Po 来源沉积于薄金箔上的 p+ 表面暴露于一种点接触半平面德尔宾斯探测器。进行了两次测量，分别产生 $1.36\times10^{5}$ 和 $1.87\times10^{6}$ 个 $\alpha$ 事件。两种分类方法均实现了单位置与多位置 $\gamma$ 事件的有效分离，同时显著降低了 $\alpha$ 成分。多层感知器综合性能最佳，信号样事件存活率超过 80%，背景样事件存活率低于 20%，$\alpha$ 抗拒因子超过 $2.71\times10^{4}$。这些结果表明，可以仅使用来自 $\gamma$ 事件的训练信息实现高纯德尔宾斯探测器的稳健脉冲形态判别，为下一代中性无双电子衰变搜索提供了有前景的策略。