利用卷积神经网络去除 BESIII 主漂移室模拟事例中的噪声
高能物理 - 实验
2023-03-23 v1
摘要
BESIII 是北京正负电子对撞机的粒子探测器，是一台工作在约 4 GeV 能量附近的 τ-粲工厂。探测器围绕对撞点的第一部分称为主漂移室（MDC）。MDC 记录的事例混杂有各种来源的本底噪声。平均而言，一个事例约 10% 的击中为噪声。不过，噪声水平因事例而异，某些事例的噪声击中甚至多于信号击中，降低了分析效率。BESIII 离线软件系统的标准算法使用被污染的数据重建信号径迹，这降低了高噪声径迹的重建效率。本文中，我们测试利用有监督深度学习技术预先去除该噪声的思路。我们生成蒙特卡洛事例，然后将其与来自真实数据的噪声击中混合。首先，我们使用深度学习技术基于各击中的个体特征对其分类。接着，我们将每个事例简化为 40×43 的图像，并使用图像识别工具去除噪声。这些仅含两条信号径迹的事例平均噪声水平约为 30%。平均而言，本文所提技术可将 Bhabha 事例纯化至近 99%，同时保留约 99% 的信号径迹。
引用
@article{arxiv.2303.12202,
title = {Removing Noise From Simulated Events at The Main Drift Chamber of BESIII Using Convolutional Neural Networks},
author = {Hosein Karimi Khozani and Zhang Yao and Yuan Ye},
journal= {arXiv preprint arXiv:2303.12202},
year = {2023}
}