[論文レビュー] Muon tagging on the Backend-Electronics of CHEC-S -- a compact high-energy camera for the Cherenkov Telescope Array

R. Pillera, G. Giavitto+1 more|arXiv (Cornell University)|Jan 1, 2019

Astrophysics and Cosmic Phenomena参考文献 5被引用数 1

ひとこと要約

本論文は、Cherenkov Telescope Array用のCHEC-Sカメラのバックエンドエレクトロニクス（BEE）に実装された高効率なミューオン識別システムを提示する。低解像度のスーパーピクセルトリガーパattersを用いた単純なピクセル数え上げ（Majority法）により、130 kHzの処理速度で90%以上のミューオン検出効率を達成し、夜空背景放射（NSB）レベルの変動に対しても安定した性能を示す。これにより、VHEガンマ線望遠鏡の光学的効率校正が可能になる。

ABSTRACT

The Cherenkov Telescope Array (CTA) will be the leading ground-base observatory for Very High Energy (VHE) {\gamma}-ray astronomy for the next decades. Its southern site will host about 70 Small Sized Telescopes (SSTs) which will determine the CTA sensitivity at {\gamma}-ray energies between 1 and 300 TeV. One of the design options for the SST cameras is the silicon photomultiplier-based Compact High-Energy Camera (CHEC-S). The back-end electronics (BEE) of CHEC-S interconnects the camera front-end modules, provides power and clock distribution, aggregation, routing and time stamping of data and most importantly it implements the camera trigger system. A novel technique to tag muons using the capabilities of this system has been developed, studying and comparing different algorithms such as circle fitting, machine learning and simple pixel counting. This contribution describes the design of the CHEC-S BEE, and presents the results of the performance of this muon tagger and the prospects of using it for other Cherenkov Telescopes types of CTA.

研究の動機と目的

• CHEC-Sカメラのバックエンドエレクトロニクス向けに、高速で効率的なミューオン識別システムを開発し、Cherenkov望遠鏡の光学的効率校正を可能にする。
• 従来の一致トリガが局所的なミューオンイベントを抑制するため、IACTアレイにおけるミューオン検出の課題に対処する。
• リアルタイムトリガーデータ上で複数のミューオン識別アルゴリズム（円弧フィッティング、機械学習、ピクセル数え上げ）を評価・比較する。
• 変動する夜空背景放射（NSB）レベルにおいても、高い識別効率（>90%）を維持できることを保証し、多様な観測条件下での信頼性ある校正を可能にする。
• カメラのバックプレーン上で直接ミューオン識別アルゴリズムを実装し、低遅延処理を実現する。

提案手法

• 本手法は、CHEC-SのバックプレーンFPGAが生成する低解像度の512ビットスーパーピクセルトリガーパatters（粗いシャワー像を表す）を用いる。
• Majority法は、発火したスーパーピクセル数に基づいてイベントを分類し、ミューオンリングとプロトンシャワー背景を区別するためのしきい値を設定する。
• 幾何的リングパラメータ抽出のためのTaubin円弧フィッティングアルゴリズムが検証されたが、リアルタイム処理にはあまりに遅く、不適切であった。
• 画像認識のためのマルチレイヤーパーセプトロン（MLP）ニューラルネットワークも評価されたが、速度と単純さの点でMajority法に劣った。
• システムは1 GHzのサンプリングレートで動作し、隣接するスーパーピクセル間の2.7 nsの一致ウィンドウを用いてカメラトリガを形成する。
• 処理速度とNSBレベルの変動に対する安定性は、スペクトル指数γ = −2.0をもつシミュレーテッドミューオン（8 GeV–1 TeV）およびプロトン（1–300 TeV）シャワー像を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 ピクセル数え上げのような単純で高速なアルゴリズムが、CHEC-Sトリガーデータ上で90%以上のミューオン識別効率を達成できるか？
• RQ2 速度とバックグラウンド除去性能の観点から、Majority法は円弧フィッティングおよび機械学習手法と比べてどのように差がつくか？
• RQ3 夜空背景放射（NSB）レベルの変動に対しても、識別効率が安定しているか？
• RQ4 Majority法はカメラのバックプレーン上で直接実装可能で、リアルタイム処理が可能か？
• RQ5 変動するNSB条件下でも高い効率と純度を維持できる最適なスーパーピクセル数のしきい値は何か？

主な発見

• Majority法は130 kHzの処理速度を達成し、CHEC-Sリードアウトに必要な1 kHzをはるかに上回るため、リアルタイム実装に適している。
• Majority法は低、中、高のNSBレベルすべてにおいて90%以上のミューオン識別効率を維持し、耐障害性が確認された。
• Taubin円弧フィッティング法は188 Hzでの処理にとどまり、1 kHzの要件を満たさず、リアルタイム用途には不適切であると判断された。
• MLP機械学習手法は63 kHzでの処理速度にとどまり、Majority法より遅く、顕著な性能向上も得られなかった。
• スーパーピクセルの分布は、ミューオン信号とプロトンバックグラウンドの間に明確な分離を示し、しきい値ベースの識別が有効であることを示した。
• 純度はすべてのNSBレベルで高く維持され、性能の著しい低下は認められず、校正用途における信頼性が確認された。