通过时空深度学习抑制大型液体闪烁体探测器中的$^{14}\mathrm{C}$光子击中
仪器与探测器
2026-03-31 v1 人工智能
高能物理 - 实验
摘要
液体闪烁体探测器因其低能量阈值和高能量分辨率广泛用于中微子实验。尽管液体闪烁体中C的丰度极低，但C同位素β衰变诱导的光子不可避免地会污染信号，降低能量分辨率。在本工作中，我们提出了三种模型，用于在含C堆积的事件中标记C光子击中，从而在击中层面抑制其对能量分辨率的影响：一个门控时空图神经网络和两个基于Transformer的模型（分别采用标量和矢量电荷编码）。对于每个事件包含一个C和一个动能低于5 MeV的的模拟数据集，模型实现了25%-48%的C召回率，同时保持对C的误识别率低于1%，从而在和C光子击中在时空上强烈重叠的事件的总电荷分辨率方面取得了显著提升。
引用
@article{arxiv.2603.27727,
title = {Suppression of $^{14}\mathrm{C}$ photon hits in large liquid scintillator detectors via spatiotemporal deep learning},
author = {Junle Li and Zhaoxiang Wu and Guanda Gong and Zhaohan Li and Wuming Luo and Jiahui Wei and Wenxing Fang and Hehe Fan},
journal= {arXiv preprint arXiv:2603.27727},
year = {2026}
}
备注
14 pages, 11 figures