Welche Algorithmen werden zur Spurrekonstruktion in Nebelkammern verwendet?

Insbesondere interessiere ich mich für Algorithmen, die mehrere Spuren zuverlässig voneinander trennen können.

Antworten (1)

Historisch gesehen liefen die Algorithmen, die zum Verständnis von Spuren in Wolken- und Blasenkammern verwendet wurden, alle auf menschlichen Plattformen . Interessanterweise waren sie nach der ersten Generation meist keine Physiker, sondern angestellte Hilfskräfte (und meistens Frauen).

Es gibt jedoch einige Nachteile des manuellen Scannens, insbesondere die langsame Verarbeitungsgeschwindigkeit (selbst bei starker Parallelisierung) und eine Schwierigkeit bei der genauen Bewertung der Effizienz in der Analyse.

Kürzlich sind zwei interessante Dinge passiert

  1. Blasenkammern sind zurück für bestimmte Null-Hintergrund-Prozesse wie die direkte Detektion dunkler Materie .

  2. Die Einführung von Large Scale Liquid Argon Time Projection Chambers (LArTPCs).

LArTPCs wurden als "elektronische Blasenkammern" 1 beschrieben , weil sie potenziell eine räumliche Auflösung im Submillimeterbereich in drei Dimensionen über sehr große Volumina 2 bieten und eine kontinuierliche Datenerfassung unterstützen.

Ich kenne zwei LArTPCs, die zu Papieren geführt haben: ICARUS (ein groß angelegtes Gerät bei Gran Sasso) und Argoneut (ein kleines Testbed bei Fermilab). Und es gibt mehrere, die entweder im Bau oder in Planung sind: microBooNE (bei Fermilab), das LBNE- Ferndetektorsystem (sehr großes Zukunftsprojekt) und ein kürzlich geplanter Nahdetektor für eine neue Strahlführung am CERN .

Soweit ich weiß, hat noch niemand eine wirklich zufriedenstellende, vollständig maschinelle Analyse für große und komplizierte Ereignisse. Die ICARUS-Papiere, die ich gelesen habe, scheinen alle Ergebnisse zu beschreiben, die teilweise von Hand gescannt wurden. Während Argoneut eine Reihe von Papieren veröffentlicht hat, wird weiter an der Verbesserung des Analysators gearbeitet.

Die Basis der Software, die wir für Argoneut, microBooNE und LBNE schreiben, ist das Zusammenschustern einer Reihe bekannter Werkzeuge aus der Bilderkennungsgemeinschaft (Clustering, Line Finding, Vertex Finding) mit einigen alten Arbeitspferden aus der Teilchenphysik (Kalman-Filter, aussen im Ansatz), und wir können bei einigen Veranstaltungen gute Ergebnisse erzielen. Die Arbeit an mehreren Angriffslinien geht weiter.


1 Dies ist ein wenig optimistisch, da es einige Spurkonfigurationen gibt, die in einer echten Blasenkammer zu sehen sind und jede denkbare Analyse in einem TPC verblüffen, aber es wird angenommen (und gehofft!), dass Schwankungen in den Spuren das Problem lösen werden Symmetrie in fast allen Fällen.

2 Der, an dem ich arbeite, hat mehr als 50 Kubikmeter aktives Volumen, und der LBNE-Ferndetektor soll ein Vielfaches dieser Größe haben.


Vollständige Offenlegung Ich werde als Autor einiger Argoneut-Papiere genannt und bin Mitarbeiter bei microBooNE und LBNE.

Sehr interessante Sachen, es hört sich so an, als wären Sie ungefähr dort, wo ich mit den bildbasierten und zustandsschätzenden Methoden bin, ich bin jedoch gespannt, welche weiteren Ergebnisse Sie erhalten.
der ALEPH TPC hatte eine gute Spurerkennung. Es gab auch einen Microvertex-Detektor (der auch Spuren findet). ieeexplore.ieee.org/xpl/…
@annav Wir können die grundlegende Verfolgung gut durchführen, aber die großen LArTPCs sind der gesamte Detektor (also müssen wir auch Impuls, Kalorimetrie und PID herausholen) und für Neutrino-Experimente wissen wir a priori nicht , wo wir den primären Scheitelpunkt erwarten können. all dies verkompliziert das Problem der Herstellung eines vollständig allgemeinen Analysators. Die Flüssigphasen-TPCs funktionieren auch anders als die Gas-TPCs, außerdem benötigen wir die Fähigkeit, mehr als 20.000 Treffer pro Flugzeug und Ereignis zu verwalten. Wir könnten tatsächlich einige Leute gebrauchen, die mit dem Code für diese Maschine vertraut sind, aber im Moment haben wir keine.