[论文解读] The Pandora multi-algorithm approach to automated pattern recognition of cosmic-ray muon and neutrino events in the MicroBooNE detector

MicroBooNE Collaboration, R. Acciarri+146 more|arXiv (Cornell University)|Aug 10, 2017

Astrophysics and Cosmic Phenomena参考文献 1被引用 14

一句话总结

本文提出了一种名为Pandora的多算法框架，用于在MicroBooNE液氩时间投影室（LArTPC）中实现自动化模式识别，利用超过100个解耦的算法重建宇宙射线μ子和中微子事例。该方法在纯轨迹类末态中达到70%的准确率，在双喷射末态中为35%，性能受宇宙射线μ子残余影响而下降，但切片算法有效缓解了这一影响。

ABSTRACT

The development and operation of Liquid-Argon Time-Projection Chambers for neutrino physics has created a need for new approaches to pattern recognition in order to fully exploit the imaging capabilities offered by this technology. Whereas the human brain can excel at identifying features in the recorded events, it is a significant challenge to develop an automated, algorithmic solution. The Pandora Software Development Kit provides functionality to aid the design and implementation of pattern-recognition algorithms. It promotes the use of a multi-algorithm approach to pattern recognition, in which individual algorithms each address a specific task in a particular topology. Many tens of algorithms then carefully build up a picture of the event and, together, provide a robust automated pattern-recognition solution. This paper describes details of the chain of over one hundred Pandora algorithms and tools used to reconstruct cosmic-ray muon and neutrino events in the MicroBooNE detector. Metrics that assess the current pattern-recognition performance are presented for simulated MicroBooNE events, using a selection of final-state event topologies.

研究动机与目标

• 解决在液氩时间投影室（LArTPC）中自动化模式识别的挑战，其中难以通过算法复现人类水平的感知能力。
• 开发一种可扩展、模块化的框架，利用多个专用算法重建LArTPC探测器中的复杂粒子相互作用。
• 在宇宙射线μ子残余背景存在的情况下，提升中微子和宇宙射线μ子事例的重建准确率。
• 实现在MicroBooNE地表探测器环境中对粒子轨迹和喷射的稳健、全自动重建。
• 量化宇宙射线μ子背景对模式识别性能的影响，并评估缓解策略。

提出的方法

• 利用Pandora软件开发工具包实现多算法方法，其中各个算法相互解耦，并针对特定拓扑任务进行专门化。
• 使用超过100个算法的链式结构，从MicroBooNE探测器的原始打点数据中逐步重建粒子轨迹和喷射。
• 应用切片算法通过将打点分割为独立的拓扑切片，以隔离并去除宇宙射线μ子残余。
• 实施严格指标，要求重建粒子与真实蒙特卡罗粒子之间实现精确的一对一匹配，且仅针对可见末态粒子。
• 使用排除末态事件样本评估重建准确率，重点关注正确匹配的粒子。
• 评估不同相互作用类型下的性能表现，包括产生μ子、π子和中子的弹性及共振事例。

实验结果

研究问题

• RQ1 Pandora多算法方法在地表LArTPC探测器中重建中微子和宇宙射线μ子事例的效率如何？
• RQ2 宇宙射线μ子残余在多大程度上降低了MicroBooNE重建事例中的模式识别性能？
• RQ3 切片算法对稀疏喷射拓扑事例的模式识别准确率有何影响？
• RQ4 宇宙射线μ子背景的存在如何影响不同末态粒子构型的重建？
• RQ5 在纯轨迹类与喷射主导的末态中，可实现的重建准确率水平如何？

主要发现

• 对于末态为纯轨迹类的中微子相互作用（如μ + Np），该模式识别系统实现了70%的准确率，表明在简单拓扑结构中表现优异。
• 对于包含两个稀疏喷射的事例，重建准确率下降至35%，主要由于难以将喷射碎片正确分组为单一粒子。
• 切片算法使（μ + π⁰ + Np）末态的平均正确重建事例比例下降5.8%，原因在于对喷射组分的过度分割。
• 宇宙射线μ子背景导致（μ + Np）弹性事例的重建准确率额外下降5.1%，在（μ + π⁰ + Np）共振事例中最高达13.7%。
• 尽管存在这些性能下降，整体模式识别框架仍保持功能健全且稳健，切片算法有效防止了纯轨迹事例中的显著性能损失。
• 本研究证明，Pandora多算法方法可在复杂LArTPC环境中实现完全自动化、高精度的重建，即使在具有挑战性的背景条件下亦能保持高效。