[論文レビュー] Novel techniques for alpha/beta pulse shape discrimination in Borexino

D. Basilico, G. Bellini+73 more|arXiv (Cornell University)|Jan 1, 2023

Radiation Detection and Scintillator Technologies参考文献 1被引用数 2

ひとこと要約

本論文は、ボレキシノ液体シンチレーター検出器におけるα/β粒子分離のための高度なパルス形状識別技術を提示する。多層パーセプトロンニューラルネットワークを用いて、シンチレーション時間差を活用する。この手法は、14年間にわたるボレキシノの運用を通じて、高い効率性、安定性、一様性を備えた識別を実現し、特に210Po崩壊からの重要なバックグラウンド抑制を可能にした。これにより、太陽ニュートリノ測定、特にCNOサイクルの直接観測が可能になった。

ABSTRACT

Borexino could efficiently distinguish between alpha and beta radiation in its liquid scintillator by the characteristic time profile of their scintillation pulse. This alpha/beta discrimination, first demonstrated at the tonne scale in the Counting Test Facility prototype, was used throughout the lifetime of the experiment between 2007 and 2021. With this method, alpha events are identified and subtracted from the beta-like solar neutrino events. This is particularly important in liquid scintillator as alpha scintillation is quenched many-fold. In Borexino, the prominent Po-210 decay peak was a background in the energy range of electrons scattered from Be-7 solar neutrinos. Optimal alpha-beta discrimination was achieved with a "multi-layer perceptron neural network", which its higher ability to leverage the timing information of the scintillation photons detected by the photomultiplier tubes. An event-by-event, high efficiency, stable, and uniform pulse shape discrimination was essential in characterising the spatial distribution of background in the detector. This benefited most Borexino measurements, including solar neutrinos in the \pp chain and the first direct observation of the CNO cycle in the Sun. This paper presents the key milestones in alpha/beta discrimination in Borexino as a term of comparison for current and future large liquid scintillator detectors

研究の動機と目的

• 大容量液体シンチレーターにおけるαおよびβ粒子のための高度なパルス形状識別（PSD）技術の開発および実装を目的とする。
• 特に210Poに起因するα崩壊からのバックグラウンド低減を目的とし、これはシンチレーションを抑制し、低エネルギー電子反発に類似した振る舞いを示す。
• 正確な太陽ニュートリノ分光法に不可欠な、イベントごとの高効率で安定した識別を実現することを目的とする。
• 将来の大規模液体シンチレーター検出器におけるニュートリノおよびダークマター物理学の基準を提供することを目的とする。

提案手法

• 光電子増倍管からのシンチレーションパルスの時間プロファイルを分析するために、多層パーセプトロン（MLP）ニューラルネットワークを採用した。
• α粒子（速やかで、~10–20 ns）とβに類似したイベント（遅い、~1–2 μs）の間のシンチレーション減衰時間の固有の差異を識別に活用した。
• 分離効率を最適化し、誤分類を最小限に抑えるために、シミュレーションデータおよび実測データを用いてMLPをトレーニングした。
• トレーニング済みのモデルを、ボレキシノ検出器全体にわたりリアルタイムでイベントごとの識別に適用した。
• 検出器全体の体積にわたる安定性および一様性を維持するため、パルス形状性能を継続的にモニタリングした。
• 比較のためのベースラインとしてGattiパラメータ法を併用し、ニューラルネットワークの優れた性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 多層パーセプトロンニューラルネットワークは、Gattiパラメータのような従来のパルス形状識別法を上回る性能を示せるか？
• RQ2 大容量ボレキシノ検出器において、長期間にわたってパルス形状識別性能は安定的かつ一様であるか？
• RQ3 向上したα/β識別により、7Be太陽ニュートリノエネルギー窓におけるバックグラウンドはどの程度低減されるか？
• RQ4 パルス形状識別は、特にpp鎖およびCNOサイクルの測定精度にどのような影響を及えるか？
• RQ5 機械学習手法は、超高純度液体シンチレーター実験におけるリアルタイムで高スループットな粒子検出に信頼性を持って応用可能か？

主な発見

• 多層パーセプトロンニューラルネットワークは、従来のGattiパラメータ法に比べ、α/βパルス形状識別において優れた性能を示し、バックグラウンド抑制を顕著に向上させた。
• この手法により、14年間にわたるデータ取得期間を通じて、ボレキシノ検出器全体にわたり、安定的で一様かつ高効率なイベントごとの識別が実現した。
• 500 keV電子換算エネルギー付近の210Poバックグラウンドピークは、7Beニュートリノエネルギー範囲における主要なバックグラウンド源であったが、同手法により効果的に抑制された。
• この技術は、CNOニュートリノの初の直接観測およびpp鎖ニュートリノスペクトルの高精度測定に不可欠であった。
• パルス形状性能の継続的モニタリングにより、ボレキシノの主要な結果における系統的不確実性が低減された。
• 本手法は、大規模かつ超高純度液体シンチレーター検出器における機械学習ベースのPSDの実現可能性を示し、将来の実験の基準を確立した。