[论文解读] FCalSW/FCalClusterer

André Sailer, A. Sapronov|arXiv (Cornell University)|Feb 21, 2017

Particle Detector Development and Performance被引用 4

一句话总结

本论文提出 FCalSW/FCalClusterer，一种用于未来 e⁺e⁻ 对撞机（如 ILC 和 CLIC）中 BeamCal 前向量能器的背景自适应重建框架，用于高能电子鉴别。该框架采用两种算法——聚类与解析簇簇拟合，结合可配置参数和多种背景模拟方法，在高束流诱导背景条件下实现高鉴别效率。

ABSTRACT

This note discusses methods of particle reconstruction in the forward region detectors of future e+e- linear colliders such as ILC or CLIC. At the nominal luminosity the innermost electromagnetic calorimeters undergo high particle fluxes from the beam-induced background. In this prospect, different methods of the background simulation and signal electron reconstruction are described.

研究动机与目标

• 解决未来 e⁺e⁻ 对撞机中 BeamCal 量能器因束流辐射和束流诱导背景导致的高背景占据率问题。
• 在小极角范围（10–43 mrad）实现高效高能电子鉴别，以抑制 BSM 物理搜索中的 t-通道标准模型背景。
• 开发一种灵活、可扩展的重建软件框架，兼容不同探测器几何结构与背景模拟方法。
• 通过可配置参数与聚类及簇簇拟合方法的背景自适应算法，优化重建性能。

提出的方法

• 实现一个名为 'BeamCalClusterReco' 的模块化 Marlin 处理器，用于 BeamCal 探测器中的事件重建。
• 支持四种背景模拟方法：预生成、平均、参数化和高斯分布，输入文件可配置。
• 通过背景减除后识别高于阈值能量的连通感测单元进行聚类，最小簇大小和环形依赖阈值可配置。
• 采用簇簇拟合方法，将感测单元能量投影到二维解析的簇簇发展模型上，通过最小化 χ²/ndf 识别电子候选。
• 采用基于局部背景涨落（通过 SigmaCut）的动态阈值或固定值（通过 UseConstPadCuts）的阈值策略，起始层和环形特定切割参数可配置。
• 通过配置文件支持与 Geant4 模拟集成，使用金刚石传感器，可调节分块方式（均匀或比例）与探测器几何结构。

实验结果

研究问题

• RQ1 在 ILC 与 CLIC 的极端束流诱导背景条件下，如何优化 BeamCal 中高能电子的重建？
• RQ2 在高占据率前向量能器中，聚类与解析簇簇拟合在电子鉴别中的相对性能差异为何？
• RQ3 可配置的重建参数（如 SigmaCut、ETCluster、NShowerCountingLayers）如何影响鉴别效率与背景抑制？
• RQ4 哪种背景模拟方法（预生成、高斯、参数化、平均）最能真实反映实际束流条件，同时保持计算效率？
• RQ5 该重建框架在多大程度上可适配不同的探测器几何结构与传感器分块方案？

主要发现

• 聚类方法在最小簇大小为 4 个感测单元、环形依赖能量阈值（ETCluster = 3, 2, 1 GeV 分别对应环 0, 1, 2）时实现高鉴别效率。
• 簇簇拟合方法对高斯背景使用 χ²/ndf 限制为 2.0，对预生成背景使用 5.0，可提升信噪比鉴别能力。
• 通过预生成束流交叉模拟背景能最准确地反映束流诱导背景，而参数化与高斯方法则在计算效率方面更具优势。
• 通过 BCBackgroundPar 工具生成的 ROOT 文件支持可配置的背景方法，实现与模拟工作流的灵活集成。
• 重建软件具有可扩展性，支持用户实现自定义电子鉴别算法，提升对未来探测器设计的适应能力。
• 当启用 CreateEfficiencyFile 时，自动生成功率谱图，结果存储于 TaggingEfficiency.root 以供性能验证。