[논문 리뷰] Probability Distributions of Positioning Errors for Some Forms of Center-of-Gravity Algorithms

Gregorio Landi, Giovanni Landi|arXiv (Cornell University)|2020. 04. 19.

Particle physics theoretical and experimental studies참고 문헌 12인용 수 4

한 줄 요약

이 논문은 입자물리학에서 실리콘 마이크로스트립 검출기에서 사용되는 중심질량(COG) 알고리즘의 정위치 오차에 대한 정확한 및 근사 확률밀도함수(PDF)를 유도한다. 특히 이중 및 삼중스트립 COG에 초점을 맞춘다. 표준 분산 최소화 방법이 무거운 尾(카우치 유사) 오차 분포로 인해 실패함을 보이며, 주요 COG 형태—x=ξ/(ξ+η), y=(ξ−η)/(2(ξ+η)), w=ξ/η, 완전한 COG2 및 단순화된 삼중스트립 COG—에 대한 해석적 PDF를 제공하여 최대우도 추정을 통한 최적의 트랙 피팅을 가능하게 한다.

ABSTRACT

The center of gravity is a widespread algorithm for position reconstruction in particle physics. For track fitting, its standard use is always accompanied by an easy guess for the probability distribution of the positioning errors. This is an incorrect assumption that degrades the results of the fit. The explicit error forms show evident Cauchy-(Agnesi) tails that render problematic the use of variance minimizations. Here, we report the probability distributions for some combinations of random variables, impossible to find in literature, but essential for track fitting: $x=ξ/{(ξ+η)}$, $y={(ξ-η)}/[2{(ξ+η)}]$, $w=ξ/η$, $x=θ(x_3-x_1) (-x_3)/(x_3+x_2) +θ(x_1-x_3)x_1/(x_1+x_2)$ and $x=(x_1-x_3)/(x_1+x_2+x_3)$. The first three are directly connected to each other and are partial forms of the two-strip center of gravity. The fourth is the complete two-strip center of gravity. For its very complex form, it allows only approximate expressions of the probability. The last expression is a simplified form of the three-strip center of gravity. General integral forms are obtained for all of them. Detailed analytical expressions are calculated assuming $ξ$, $η$, $x_1$, $x_2$ and $x_3$ independent random variables with Gaussian probability distributions (the standard assumption for the strip noise).

연구 동기 및 목표

• COG 정위치 오차가 가우시안 분포를 따른다는 널리 퍼져 있지만 잘못된 가정을 수정함으로써 트랙 피팅 성능이 악화되는 것을 방지하기 위해.
• 표준으로 가정하는 가우시안 분포를 띠는 스트립 노이즈 하에, 특히 이중 및 삼중스트립 COG에 대한 정확한 및 근사 확률밀도함수(PDF)를 유도하기 위해.
• 신호 대 노이즈 비율과 체계적 오차를 고려한 정확한 PDF를 제공함으로써 최적의 트랙 피팅을 가능하게 하고, 열악한 최소제곱법을 대체하기 위해.
• 완전한 COG2의 복잡한 통계적 행동, 특히 특징적인 갭과 비가우시안 尾를 해석적 및 근사 PDF 형식으로 분석하기 위해.
• 고정밀 트랙 재구성의 통계적 프레임워크를 완성하기 위해, COG 기반 알고리즘에 대해 이전에 문헌에서 누락된 핵심 PDF들을 제공하기 위해.

제안 방법

• 독립적인 가우시안 분포를 따르는 랜덤 변수 ξ와 η를 가정하고, 누적분포함수(CDF)와 변환 기법을 사용하여 x = ξ/(ξ+η)의 PDF를 유도한다.
• 완전한 이중스트립 COG2 알고리즘의 CDF와 PDF를 유도하기 위해 (ξ, η, β) 공간에서의 다중차원 영역에 대한 변수변환과 적분을 적용한다.
• 이중 적분의 순서를 재정렬하고 통합을 분리할 수 있도록 하는 Fubini 정리를 적용함으로써, 더 정확하고 해석적으로 다룰 수 있는 근사를 가능하게 한다.
• 적분을 부분적으로 수행하여 유도된 카우치 유사 尾 항을 포함시켜 COG2 PDF에 대한 개선된 근사형을 구성함으로써 기울어진 트랙에 대해 정확도를 향상시킨다.
• 각 스트립에 독립적인 가우시안 노이즈가 존재한다고 가정하고, 유사한 기법을 사용하여 삼중스트립 COG PDF에 대한 단순화된 해석적 형태를 도출한다.
• MATLAB을 사용한 광범위한 수치 시뮬레이션과 Mathematica를 통한 기호 계산을 통해 결과를 검증함으로써 시뮬레이션 데이터와의 일관성을 확보한다.

실험 결과

연구 질문

• RQ1 스트립 신호가 가우시안 노이즈를 받을 경우, 이중 및 삼중스트립 중심질량 알고리즘의 정위치 오차의 진정된 확률분포는 무엇인가?
• RQ2 표준 최소제곱 피팅 방법이 COG 데이터에 적용되었을 때 트랙 재구성에서 실패하는 이유는 무엇이며, 오차 분포의 어떤 통계적 특성이 이 실패를 초래하는가?
• RQ3 특징적인 갭과 무거운 尾를 지닌 완전한 COG2 알고리즘의 복잡한 비가우시안 오차 분포를 어떻게 해석적으로 정확하게 모델링할 수 있는가?
• RQ4 신호 대 노이즈 비율과 스트립 위치는 COG 오차 PDF의 형태에 어떤 영향을 미치며, 이를 최대우도 피팅에 어떻게 통합할 수 있는가?
• RQ5 중앙 피크와 카우치 유사 尾를 고려한 COG2 PDF에 대한 닫힌 형태의 근사식을 유도할 수 있는가?

주요 결과

• COG 알고리즘의 정위치 오차 분포는 뚜렷한 카우치-(아그네시) 尾를 보이며, 이는 가우시안 오차 가정이 잘못되었음을 시사하고 분산 최소화 방법이 최적화되지 않음을 의미한다.
• 완전한 이중스트립 COG2 알고리즘의 PDF는 데이터에 특징적인 갭이 존재하기 때문에 닫힌 형태로 해석적으로 다룰 수 없으며, 복잡한 다중적분 표현이 필요하다.
• 중앙 피크와 카우치 유사 尾를 모두 반영한 개선된 해석적 근사형이 유도되었으며, 수치 시뮬레이션과 거의 오차 없이 일치한다.
• 카우치 유사 尾 항은 일반적인 트랙에서는 작다(~10⁻⁵)지만, 매우 기울어진 트랙에서는 상당히 중요해지며(~10⁻¹) 정확도를 확보하기 위해 포함되어야 한다.
• 단순화된 삼중스트립 COG PDF는 닫힌 형태로 도출되었으며, 이는 표준 방법보다 더 높은 해상도를 제공하는 효율적인 최대우도 피팅을 가능하게 한다.
• 유도된 PDF들은 히트별로 신호 대 노이즈 비율을 반영하고 체계적 오차를 보정함으로써 최적의 트랙 피팅을 가능하게 하며, 최소제곱법 피팅 대비 매개변수 분산을 크게 감소시킨다.