[论文解读] Perspectives on the Calibration of CNN Energy Reconstruction in Highly Granular Calorimeters

N. Akchurin, C. Cowden+3 more|arXiv (Cornell University)|Aug 24, 2021

Particle Detector Development and Performance参考文献 2被引用 7

一句话总结

本文研究了在存在校准错误、偏置和噪声的情况下，基于卷积神经网络（CNN）的高颗粒度量能器中能量重建的校准问题。结果表明，尽管输入存在扰动，CNN响应在500 GeV范围内仍保持线性，从而可通过乘法和加法校正实现可靠的后模型校准；当噪声和偏置超过阈值时，分辨率行为从传统模式过渡到噪声主导模式。

ABSTRACT

We present a study which shows encouraging stability of the response linearity for a simulated high granularity calorimeter module reconstructed by a CNN model to miscalibration, bias, and noise effects. Our results also show an intuitive, quantifiable relationship between these factors and the calibration parameters. We trained a CNN model to reconstruct energy in the calorimeter module using simulated single-pion events; we then observed the response of the model under various miscalibration, bias, and noise conditions that affected the model input. From these data, we estimated linear response models to calibrate the CNN. We also quantified the relationship between these factors and the calibration parameters by regression analysis.

研究动机与目标

• 评估在真实探测器非理想条件下，基于CNN的能量重建方法在高颗粒度量能器中实现校准的可行性。
• 确定CNN响应在存在校准错误、偏置和噪声时是否保持线性，从而支持实际校准。
• 量化输入扰动（校准错误、噪声、偏置）与分辨率参数（常数项、随机项、噪声项）之间的关系。
• 识别分辨率行为从传统模式向噪声主导模式转变的关键阈值。
• 提出一种基于扰动输入数据中导出的线性响应模型的后模型校准框架。

提出的方法

• 在具有2×2×4 cm³分段的Cu/Si量能器模块中，基于模拟的单π介子事件训练CNN。
• 使用公式1.1对输入单元能量施加受控的校准错误、偏置和噪声：$\tilde{E_{ij}} = C_i E_{ij} + b + \epsilon_{ij}$。
• 通过公式1.2和1.3对Beta分布（$B_{2,2}$）进行变换，生成具有可调缩放因子$s_c$、$s_\epsilon$和$s_b$的校准错误（$C$）和噪声（$\epsilon$）。
• 在0.6 MeV处应用零抑制以模拟真实阈值，同时保持信号完整性。
• 对CNN输出拟合线性模型以估计校准参数，并使用回归方法建立扰动与分辨率参数之间的关系。
• 定义指标$I_{ND}$（公式2.3）以识别噪声和偏置较高时分辨率行为发生变化的区域。

实验结果

研究问题

• RQ1 CNN在存在校准错误、偏置和噪声扰动时，其能量重建响应是否保持线性？
• RQ2 是否可通过对CNN输出进行后模型校正实现可靠校准？
• RQ3 校准错误、噪声和偏置的缩放因子如何影响分辨率参数（常数项、随机项、噪声项）？
• RQ4 分辨率行为从传统模式过渡到噪声主导模式的临界阈值是多少？
• RQ5 是否存在可量化且可迁移的输入扰动与校准参数之间的关系？

主要发现

• CNN响应在高达500 GeV范围内保持线性，尽管训练数据仅扩展至125 GeV，表明其具有强大的外推能力。
• 响应的线性特性支持通过简单的乘法和加法校正实现后模型校准，从而实现统一的能量重建。
• 当噪声和偏置超过阈值（$s_\epsilon > 0.5$ 或 $s_b \geq 0.15$ 且 $s_\epsilon \geq 0.5$）时，分辨率由噪声项$\mathcal{N}$主导，表明其行为从泊松型过渡为恒定方差特性。
• 在高噪声-偏置区域，常数项（$\mathcal{C}$）和随机项（$\mathcal{S}$）被抑制，而$\mathcal{N}$成为分辨率的主要贡献者。
• 分辨率参数表现出可预测的趋势：$\log{\mathcal{C}}$、$\log{\mathcal{S}}$和$\log{\mathcal{N}}$与$s_c$、$s_\epsilon$和$s_b$呈线性关系，且在$I_{ND}=1$区域出现显著抑制。
• 本研究识别出一个过渡区域，在该区域非信号效应（噪声和偏置）显著降低分辨率，尤其在与零抑制结合时更为明显。