[論文レビュー] The Pandora multi-algorithm approach to automated pattern recognition of cosmic-ray muon and neutrino events in the MicroBooNE detector

MicroBooNE Collaboration, R. Acciarri+146 more|arXiv (Cornell University)|Aug 10, 2017

Astrophysics and Cosmic Phenomena参考文献 1被引用数 14

ひとこと要約

本論文は、マイクロブーンLArTPCで宇宙線ミューオンおよびニュートリノイベントを再構築するために、100以上の分離されたアルゴリズムを用いた自動パターン認識のためのPandoraマルチアルゴリズムフレームワークを提示する。この手法は、純粋にトラックに似た最終状態では70%の正確性を達成し、2ショワー最終状態では35%であるが、宇宙線ミューオンの残渣によって性能が低下する傾向がある。ただし、スライシングアルゴリズムによりその影響が軽減される。

ABSTRACT

The development and operation of Liquid-Argon Time-Projection Chambers for neutrino physics has created a need for new approaches to pattern recognition in order to fully exploit the imaging capabilities offered by this technology. Whereas the human brain can excel at identifying features in the recorded events, it is a significant challenge to develop an automated, algorithmic solution. The Pandora Software Development Kit provides functionality to aid the design and implementation of pattern-recognition algorithms. It promotes the use of a multi-algorithm approach to pattern recognition, in which individual algorithms each address a specific task in a particular topology. Many tens of algorithms then carefully build up a picture of the event and, together, provide a robust automated pattern-recognition solution. This paper describes details of the chain of over one hundred Pandora algorithms and tools used to reconstruct cosmic-ray muon and neutrino events in the MicroBooNE detector. Metrics that assess the current pattern-recognition performance are presented for simulated MicroBooNE events, using a selection of final-state event topologies.

研究の動機と目的

• 液体アルゴンタイムプロジェクションチェンバー（LArTPC）における自動パターン認識の課題に取り組み、人間の認識能力をアルゴリズム的に再現することが難しいこと。
• 複数の専門的なアルゴリズムを用いて、LArTPC検出器における複雑な粒子相互作用を再構築するスケーラブルでモジュラーなフレームワークを開発すること。
• 宇宙線ミューオンの残渣によるバックグラウンドの影響を受ける中で、ニュートリノおよび宇宙線ミューオンイベントの再構築正確性を向上させること。
• マイクロブーンの表面設置型検出器環境において、粒子のトラックおよびショワーを堅牢かつ完全に自動再構築すること。
• 宇宙線ミューオンバックグラウンドがパターン認識性能に与える影響を定量化し、緩和戦略を評価すること。

提案手法

• Pandoraソフトウェア開発キットを用いて、個々のアルゴリズムを分離し、特定のトポロジー的タスクに特化したマルチアルゴリズムアプローチを実装する。
• マイクロブーン検出器の生ヒットデータから、100以上のアルゴリズムの連鎖を用いて、粒子のトラックおよびショワーを段階的に再構築する。
• ヒットを独立したトポロジカルスライスに分割することで、宇宙線ミューオンの残渣を分離・除去するスライシングアルゴリズムを適用する。
• 再構築された粒子と真のモンテカルロ粒子を一致させるために、厳密なメトリクスを導入し、可視最終状態粒子との正確な1対1対応を要求する。
• 排他的な最終状態イベントサンプルを用いて再構築正確性を評価し、正しく一致した粒子に焦点を当てる。
• クーリエレルスティックおよび共鳴状態イベントを含む、ミューオン、パイオン、およびニュートロンを伴う異なる相互作用タイプの性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 Pandoraマルチアルゴリズムアプローチは、表面設置型LArTPC検出器におけるニュートリノおよび宇宙線ミューオンイベントの再構築に、どの程度効果的か？
• RQ2 宇宙線ミューオンの残渣は、マイクロブーンの再構築イベントにおけるパターン認識性能をどの程度劣化させるか？
• RQ3 スライシングアルゴリズムは、スカスカのショワートポロジーを持つイベントのパターン認識正確性にどのような影響を与えるか？
• RQ4 宇宙線ミューオンバックグラウンドの存在は、異なる最終状態粒子構成の再構築にどのように影響を与えるか？
• RQ5 純粋にトラックに似た状態とショワー優勢の状態の両方において、どの程度の再構築正確性が達成可能か？

主な発見

• 純粋にトラックに似た最終状態（例：μ + Np）のニュートリノ相互作用に対して、パターン認識システムは70%の正確性を達成しており、単純なトポロジーにおいて優れた性能を示している。
• 2つのスカスカのショワーを伴うイベントでは、再構築正確性が35%に低下しており、主にショワー断片を1つの粒子に正しくグループ化する課題に起因する。
• スライシングアルゴリズムは、(μ + π⁰ + Np)最終状態において、平均して正しく再構築されたイベントの割合を5.8%低下させる。これはショワー成分の過剰に分割されることが原因である。
• 宇宙線ミューオンバックグラウンドは、(μ + Np)準弾性イベントにおいて正確性をさらに5.1%劣化させ、(μ + π⁰ + Np)共鳴イベントでは最大で13.7%劣化させる。
• これらの劣化にもかかわらず、全体的なパターン認識フレームワークは機能的かつ堅牢であり、スライシングアルゴリズムにより、トラックのみのイベントにおける顕著な性能低下が防がれている。
• 本研究は、Pandoraマルチアルゴリズムアプローチが、困難なバックグラウンド条件下でも、複雑なLArTPC環境において完全に自動化され、高精度な再構築を可能にすることを示している。