[论文解读] A digital ECAL based on MAPS
该论文提出了一种用于国际线性对撞机(ILC)数字电磁量能器(ECAL)的单片有源像素传感器(MAPS)原型,采用基于像素的电荷计数技术以提升能量分辨率。该传感器实现了10%的像素间增益均匀性,电荷收集效率在不同位置下为20–50%,在结合真实探测器效应的Geant4模拟验证中,能量分辨率退化仅为理想值的35%,仍优于模拟ECAL,表现出优越性能。
Progress is reported on the development and testing of Monolithic Active Pixel Sensors (MAPS) for a Si-W ECAL for the ILC. Using laser and source setups, a first version of the sensor has been characterised through measurements of the absolute gain calibration, noise and pedestal. The pixel-to-pixel gain spread is 10%. Charge diffusion has been measured and found to be compatible with simulation results. The charge collected by a single pixel varies from 50% to 20% depending on where it is generated. After adding detector effects to the Geant4 simulation of an ILC-like ECAL, using the measured parameters, the energy resolution is found to be 35% higher than the ideal resolution, but is still lower than the resolution obtained for an equivalent analogue ECAL.
研究动机与目标
- 开发基于单片有源像素传感器(MAPS)的数字ECAL,以实现优于模拟ECAL的能量分辨率。
- 表征原型MAPS传感器的像素增益均匀性、噪声、基线分布及电荷共享特性。
- 利用激光和55Fe源测量结果,验证电荷扩散与收集的模拟模型。
- 评估数字化效应(如噪声、死区及电荷共享)在真实ILC类ECAL中对能量分辨率的影响。
- 确定数字ECAL是否可通过优化MIP计数算法趋近理想分辨率。
提出的方法
- 采用0.18 μm工艺制造了1×1 cm²的MAPS传感器,像素尺寸为50×50 μm²,通过INMAPS深p井注入结构提升电荷收集效率。
- 每个像素包含四个二极管、一个电荷前置放大器、CR-RC整形电路,以及具有独立可配置阈值的两级比较器,实现二值化读出。
- 利用1064 nm激光扫描(2 μm光斑)和55Fe源辐照,测量像素间的电荷共享、增益、噪声及基线特性。
- 在有无信号条件下进行阈值扫描,以提取噪声和基线分布,实现像素响应的校准与修整。
- 在Geant4模拟中引入实测参数(噪声:120 eV,电荷共享,探测器几何结构),以模拟能量分辨率退化。
- 实现基于最近邻聚类的MIP查找算法,评估数字读出中重叠事例引起的混淆,并优化MIP计数性能。
实验结果
研究问题
- RQ1基于MAPS的数字ECAL能否实现比模拟ECAL更接近理想值的能量分辨率?
- RQ2电荷共享及电荷收集的空间非均匀性如何影响数字ECAL中的能量分辨率?
- RQ3噪声、死区及传感器边缘效应在多大程度上导致数字ECAL中能量分辨率的退化?
- RQ4MIP查找算法在高流强ILC环境中对重叠事例引起的混淆具有多大缓解效果?
- RQ5当使用真实传感器测量参数校准后,Geant4模拟能否准确预测能量分辨率的退化?
主要发现
- 像素间增益展宽测量为10%,表明传感器阵列中具有良好的均匀性。
- 平均噪声为60 e⁻(6 TU),RMS为20 e⁻,经单像素修整后基线展宽已降至噪声水平。
- 电荷收集效率根据沉积位置不同,介于输入电荷的20%至50%之间,最小值出现在像素角落和中侧位置。
- INMAPS深p井注入使电荷收集效率提高2至4倍,显著提升了信号保真度。
- 在Geant4模拟中引入真实探测器效应后,能量分辨率相比理想MIP计数退化35%,但仍优于等效模拟ECAL。
- MIP查找算法降低了分辨率退化,但无法完全恢复理想性能,凸显了在算法优化前需进行束流测试验证的必要性。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。