[논문 리뷰] Novel techniques for alpha/beta pulse shape discrimination in Borexino

D. Basilico, G. Bellini외 73명|arXiv (Cornell University)|2023. 01. 01.

Radiation Detection and Scintillator Technologies참고 문헌 1인용 수 2

한 줄 요약

이 논문은 보레크시노 액체 scintillator 검출기에서 α/β 입자 분리를 위한 고급 펄스 형상 구분 기술을 제시한다. 다층 퍼셉트론 신경망을 사용하여 scintillation 타이밍의 차이를 활용함으로써 높은 효율성, 안정성, 균일성을 확보한 결과, 보레크시노의 14년간 운영 기간 동안 핵심 배경 감소—특히 210Po 붕괴로부터의 감소—를 가능하게 하였으며, CNO 순환의 첫 직접 관측을 포함한 정밀한 태양 중성자 검출에 기여하였다.

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

연구 동기 및 목표

• 대용적 액체 scintillator에서 α 및 β 입자를 위한 고급 펄스 형상 구분(PSD) 기술을 개발하고 구현하는 것.
• 특히 210Po로부터의 배경를 줄이기 위해, scintillation을 억제하고 낮은 에너지 전자 반동을 모방하는 α 붕괴로부터의 배경를 감소시키는 것.
• 정확한 태양 중성자 스펙트럼 측정에 필수적인 이벤트별로 고효율이며 안정적인 구분을 가능하게 하는 것.
• 미래의 대규모 액체 scintillator 검출기에서 중성자 및 암흑물질 물리학 분야의 기준을 제시하는 것.

제안 방법

• 광다이오드 튜브에서의 scintillation 펄스의 시간 프로파일을 분석하기 위해 다층 퍼셉트론(MLP) 신경망을 사용하였다.
• α 입자(빠름, 약 10–20 ns)와 β 유사 사건(느림, 약 1–2 μs) 간의 scintillation 붕괴 시간의 고유한 차이를 이용하여 구분하였다.
• 분리 효율을 최적화하고 오분류를 최소화하기 위해 시뮬레이션 및 실측 데이터를 기반으로 MLP를 훈련시켰다.
• 훈련된 모델을 전체 보레크시노 검출기에서 실시간 이벤트별 구분에 적용하였다.
• 검출기 전체 부피에 걸쳐 안정성과 균일성을 유지하기 위해 펄스 형상 성능을 지속적으로 모니터링하였다.
• 기준 비교를 위해 Gatti 파라미터 방법과 결합하여 신경망의 뛰어난 성능을 검증하였다.

실험 결과

연구 질문

• RQ1 다층 퍼셉트론 신경망은 기존의 Gatti 파라미터와 같은 전통적인 펄스 형상 구분 방법보다 α/β 분리에서 뛰어난 성능을 보일 수 있는가?
• RQ2 대용적 보레크시노 검출기에서 시간이 지남에 따라 펄스 형상 구분 성능은 얼마나 안정적이고 균일한가?
• RQ3 향상된 α/β 구분은 7Be 태양 중성자 에너지 창에서의 배경를 어느 정도 감소시키는가?
• RQ4 펄스 형상 구분은 특히 pp 체인과 CNO 순환에 대한 태양 중성자 측정 정밀도에 어떤 영향을 미치는가?
• RQ5 기계 학습 기법은 초순수 액체 scintillator 실험에서 실시간, 고처리량 입자 검출에 신뢰성 있게 적용될 수 있는가?

주요 결과

• 다층 퍼셉트론 신경망은 기존의 Gatti 파라미터 방법보다 훨씬 뛰어난 α/β 펄스 형상 구분 성능을 달성하여 배경 감소를 크게 향상시켰다.
• 이 방법은 14년간의 데이터 수집 기간 동안 전체 보레크시노 검출기에서 안정적이고 균일하며 고효율의 이벤트별 구분을 가능하게 하였다.
• 이 구분 기법은 약 500 keV 전자에 해당하는 에너지에서 나타나는 210Po 배경 피크를 효과적으로 억제하였으며, 이는 7Be 중성자 에너지 범위에서 주요 배경 원인이었다.
• 이 기법은 CNO 중성자의 첫 직접 관측과 pp 체인 중성자 스펙트럼의 정밀 측정에 필수적이었다.
• 펄스 형상 성능의 지속적 모니터링을 통해 핵심 보레크시노 결과의 체계적 불확도가 감소하였다.
• 이 방법은 대규모 초순수 액체 scintillator 검출기에서 기계 학습 기반의 PSD가 실현 가능하다는 것을 입증하였으며, 향후 실험에 대한 기준을 설정하였다.