[논문 리뷰] Characterization of Deconvolution-Based PMT Waveform Reconstruction Under Large Charge Dynamic Range and Varying Scintillation Time Profiles

Xingyi Lin, Jinghuan Xu외 4명|arXiv (Cornell University)|2026. 03. 18.

Dark Matter and Cosmic Phenomena인용 수 0

한 줄 요약

본 논문은 deconvolution 기반 PMT 파형 재구성 방법을 큰 전하 범위(점형 이벤트의 경우 0–200 PE, μon 트랙형 이벤트의 경우 최대 1000–3000 PE)와 다양한 형광 분광 시간 프로필에서 평가하고, 다수의 조건에서 잔류 비선형성이 약 1% 수준으로 안정적으로 전하를 재구성함을 보이며, 더 긴 샘플링 창을 통해 베이스라인 회복 이슈를 완화하는 방법을 시연한다.

ABSTRACT

Photomultiplier tubes (PMTs) are widely used as photon sensors for neutrino and dark matter detection. Accurate charge and time information extracted from PMT waveforms is crucial for event reconstruction. An algorithm based on deconvolution technology was proposed and applied to the reconstruction of PMT waveforms. This study further investigated the reliability of the deconvolution algorithm when handling a large charge dynamic range (0-200 photoelectrons), varying scintillation time profiles, and muon-induced large signals. Monte Carlo data confirmed that the deconvolution algorithm exhibits relatively stable reconstruction performance: the residual non-linearity of charge reconstruction is controlled to approximately 1\% over the range of 0 to 200 photoelectrons for various configurations of undershoots and scintillation time profiles, and the algorithm is capable of handling muon-induced large signals.

연구 동기 및 목표

• deconvolution PMT 파형 재구성이 큰 전하 동적 범위(점형 이벤트의 경우 0–200 PE; 트랙형 뮤온 이벤트의 경우 대략 1000–3000 PE까지)를 어떻게 처리하는지 평가한다.
• 다른 액체 형광체의 특징인 다양한 형광 시간 프로필 하에서 안정성을 테스트한다.
• SPE undershoot가 재구성 및 베이스라인 회복에 미치는 영향을 조사한다.
• 뮤온 유발 큰 신호와 서로 다른 샘플링 창에서의 성능을 평가하여 베이스라인 관련 바이어스를 이해한다.

제안 방법

• SPE 템플릿을 히트 시퀀스와 컨볼루션하고 백색 잡음을 추가하여 PMT 파형을 시뮬레이션하며, SPE undershoot 비율은 1.3%, 6.5%, 13%이다.
• 형광 시간 프로파일을 표 1의 매개변수와 관련 연구의 매개변수를 가진 다지수 감쇠로 표현한다.
• 저역통과 필터가 적용된 FFT 기반 디컨볼루션을 사용해 히트를 재구성하고 보정된 SPE 응답을 적용한다; 필요 시 시간-주파수 분석을 위한 STFT를 사용한다.
• PMT로의 시각 도착 시간 변위를 가진 에너지 침착의 합으로 트랙형 이벤트를 모델링한다(식 3.3).
• Geant4 기반 검출기 기하학을 사용해 대형 신호에서 뮤온 유발 광생성 및 PMT 반응을 시뮬레이션하고, t = 1000 ns에서의 베이스라인 회복 평가를 포함한다.
• 재구성 품질을 Rec/True 전하 비율로 평가하고 동적 범위 및 서로 다른 undershoot 구성과 시간 창에서 평가한다.

실험 결과

연구 질문

• RQ1 점형 이벤트의 경우 0–200 PE, 트랙형 이벤트의 경우 최대 1000–3000 PE인 큰 전하 동적 범위에서 deconvolution 기반 PMT 파형 재구성이 얼마나 안정한가?
• RQ2 재구성된 전하는 액체 형광체의 서로 다른 형광 시간 프로필에 의존하는가?
• RQ3 SPE 파형 언더슈트가 전하 재구성 및 베이스라인 회복에 미치는 영향은 무엇이며, 더 긴 샘플링 창이 문제를 완화할 수 있는가?
• RQ4 이 방법이 뮤온 유발 대형 신호를 효과적으로 재구성할 수 있는가, 그리고 베이스라인 회복은 성능에 어떤 영향을 미치는가?

주요 결과

• 점형 이벤트의 경우, 재구성은 SPE undershoot 구성 1.3%, 6.5%, 13%에 대해 0–200 PEs에서 잔류 전하 비선형성을 1% 미만으로 유지한다.
• 재구성 성능은 여덟 가지 형광 시간 프로파일에 걸쳐 안정적이며, 형광 시간 프로파일에 유의한 의존성이 없다.
• 트랙형(뮤온) 이벤트의 경우, 파형 베이스라인이 충분히 회복되면 최대 1000 PEs까지 재구성이 효과적이며, 샘플링 창을 2000 ns로 확장하면 베이스라인 관련 저하를 완화한다.
• 1000 ns에서 베이스라인이 크게 편차를 보일 때(Amplitude_t=1000ns < -0.8 a.u.), 재구성 품질이 저하되며 특히 더 큰 undershoot에서 두드러진다; 더 긴 창을 사용하면 성능이 개선된다.
• 0–300 PEs(뮤온 유사 데이터) 범위에서 모든 undershoot 구성에 대해 잔류 비선형성은 1% 미만으로 남고, 더 큰 신호의 경우 베이스라인 필터링 기준을 적용하면 비선형성은 약 2% 이내로 유지된다.
• 일부 경우 >500 PEs에서 Rec/True의 두 군집이 나타나며 이는 뮤온 진입점과 퇴출점 근처의 PMT에서 늦게 도착한 히트 때문이며, 창을 2000 ns로 확장하면 도움이 된다.
• 전반적으로 이 해석 방법은 큰 동적 범위와 다양한 형광 프로파일에 대해 신뢰성과 적용 가능성을 보여주며, 베이스라인 동작, 애프터펄스 및 데이터 용량에 대한 실용적 고려사항이 있다.