PANDA 实验 Straw Tube Tracker (STT) 中基于几何深度学习的径迹重建
高能物理 - 实验
2022-12-01 v2 仪器与探测器
摘要
位于反质子与离子研究设施的 PANDA（反质子在达姆施塔特湮灭）实验将研究夸克禁闭形成强子的尺度下的强相互作用。由高能存储环（HESR）提供的连续反质子束将轰击固定氢靶。反质子束动量范围从 1.5 GeV（自然单位，c=1）到 15 GeV \cite{physics2009report}，将为研究包括超子物理在内的强子物理诸多方面创造最优条件。精密物理研究需要高效率的粒子径迹重建。PANDA 中的 Straw Tube Tracker 是为此目的的主要组件，其具有六边形几何结构，由 4224 根充气管组成，排列为 26 层与 6 个扇区。然而，鉴于复杂的探测器几何结构与强弯曲的粒子轨迹，重建低动量带电粒子是挑战。本文首次将几何深度学习流程应用于 PANDA 实验的径迹重建。该流程重建了超过 95% 的粒子径迹，并产生少于 0.3% 的假径迹。这一有前景的结果使该流程成为实验的有力候选算法。
引用
@article{arxiv.2208.12178,
title = {Track Reconstruction using Geometric Deep Learning in the Straw Tube Tracker (STT) at the PANDA Experiment},
author = {Adeel Akram and Xiangyang Ju},
journal= {arXiv preprint arXiv:2208.12178},
year = {2022}
}
备注
Connecting the Dots Workshop, 2022, Princeton, United States