Novel strategies at LHCb for particle identification
大型强子对撞机(LHC)的LHCb实验正在对风味部门进行高精度测量。粒子识别(PID)探测器的出色性能以及新数据采集技术的开发对于应对LHC运行2带来的日益严峻的挑战至关重要。从运行1到运行2,LHCb粒子识别性能的数据驱动校准方法发生了显著变化,现在直接在LHCb高水平触发器中选择校准样品。数据采集范例的这种变化使得能够收集关于运行1的更大的校准样本,从而获得对系统效应研究有用的低水平检测器信息,同时保持运行1观察到的相同(或改善)PID性能。
2017-08-30 hep-ex
Sub MeV Particles Detection and Identification in the MUNU detector ((1)ISN, IN2P3/CNRS-UJF, Grenoble, France, (2)Institut de Physique, Neuchâtel, Switzerland, (3) INFN, Padova Italy, (4) Physik-Institut, Zürich, Switzerland)
我们报告的性能1米$^{3}$ TPC填充CF $_{4}$在3巴,浸没在液体闪烁体和光电倍增管。提出了通过测量电流信号和闪烁光实现粒子探测、事件识别和定位的方法。本文还讨论了$α$粒子探测的特点。最后,示出了根据康普顿散射和反冲角重建的${54}$ Mn峰。
2001-07-17 hep-ex
Particle Identification at Future Colliders
Istituto Nazionale di Fisica Nucleare, Sezione di Bologna(意大利国家核物理研究所博洛尼分所)
本文针对未来对撞机对粒子鉴别的苛刻要求,综述了包括新型切伦科夫探测器等在内的多种粒子鉴别方法,同时探讨了相关光电探测器技术及辐射耐受问题。
2026-08-13 hep-ex
The ECFA Roadmap Process for Particle Identification and Photon Detector R&D
本文总结了2022年2月发布的欧洲粒子物理探测器研发路线图中,粒子鉴别与光子探测器相关的流程成果。
2023-10-08 hep-ex physics.ins-det
Implementation, performance and physics impact of particle identification at Higgs factories
本文介绍面向未来希格斯工厂的模块化粒子鉴别工具CPID,已在Key4hep中实现,以ILD为例展示初步性能,并支持扩展观测量以提升未来分析中的鉴别能力。
2023-11-15 hep-ex
Dual-readout, Particle Identification, and 4th
第四个探测器具有丰富的粒子识别测量,包括双读出量热计、团簇定时跟踪室、μ子谱仪以及这些系统的组合。总之,总共13个测量有助于标准模型的所有部分子的识别。
2009-04-30 hep-ex physics.ins-det
Implementation of Particle Flow Algorithm and Muon Identification
我们提出的粒子流算法的实施和在爱荷华大学开发的μ子识别的结果。我们使用Monte Carlo样本生成的基准LOI过程与硅探测器设计在国际直线对撞机。通过对μ子的识别,提高了喷注能量分辨率,获得了良好的μ子效率和纯度。
2009-01-28 hep-ex physics.ins-det
Particle Identification in the ALICE Experiment
ALICE实验的粒子识别能力在四个主要的LHC实验中是独一无二的。介绍了中心桶探测器在高多重数环境下的工作原理和优异性能,并给出了两个物理实例:带电π介子、K介子、质子横动量谱的提取和反~ 4 He核的观测。
2011-07-07 hep-ex nucl-ex
Particle Identification at Belle II
我们报告的带电粒子识别(PID)系统即将到来的美女II实验。中心区域的传播时间计数器和前向区域的具有气凝胶辐射器的邻近聚焦环成像切伦科夫计数器将被用作PID装置。他们预计将提供一个K介子的识别效率超过94%,在一个低的π错误识别概率为4%。对这两个系统的升级动机、方法和现状进行了讨论。
2016-10-02 hep-ex physics.ins-det
Lepton identification at particle flow oriented detector for the future $e^{+}e^{-}$ Higgs factories
轻子的识别是高能前沿物理计划的基础,特别是希格斯玻色子的精确测量。为此,开发了一个基于多变量数据分析(TMVA)的轻子鉴别(LICH)工具包,用于使用高粒度量热计的探测器。使用圆形电子-正电子对撞机(CEPC)和能量大于2 GeV的单带电粒子样本的概念探测器几何结构,LICH识别效率高于99.5%的电子/μ子,并将强子与μ子/电子的错误识别率控制在1%/0.5%以下。将量热计粒度减小1-2个数量级,轻子鉴别性能对E > 2GeV的粒子是稳定的。应用于完全模拟的eeH/ $μμ$ H事例,轻子的识别性能与单粒子情况一致:识别一个事例中所有高能轻子的效率为95.5- 98.5%.
2017-02-17 hep-ex physics.ins-det
Time-of-Propagation Cherenkov counter for particle identification
本文提出了一种利用切伦科夫光子的传播时间(TOP)进行粒子识别的切伦科夫探测器的新概念。
1999-04-06 hep-ex physics.ins-det
Commissioning of Particle ID at ATLAS and CMS with Early LHC Data
本文介绍了ATLAS和CMS实验中轻子(电子、μ子和τ子)和光子粒子识别的最新结果,重点介绍了如何利用早期LHC数据验证粒子识别及其性能。
2008-08-28 hep-ex
Hadronic Trigger using electromagnetic calorimeter and particle identification at high-pT with STAR Detector
我们推导出一种新的方法,以提高统计的识别粒子在高横向动量(\pt)使用在线触发事件的桶电磁量热仪(BEMC)探测器。BEMC用于从带电强子($π^{\pm},K^{\pm}$和$p$($\bar{p}$))在BEMC中产生的簇射中选择强子相互作用和能量沉积。通过该触发,高\pt颗粒的统计显著增强约100倍,选择效率高达20%。此外,通过选择BEMC触发强子作为子体,可以构造共振态($ρ^0$,$K^{\star}$)和弱衰变V0(\Ks和\La(\aLa)).我们还表明,触发效率可以得到可靠的模拟和数据驱动的方法。
2011-12-17 hep-ex
Simulation of particle identification with the cluster counting technique
在本文中,我们展示了潜在的集群计数技术的颗粒识别。基于Garfield++软件的仿真证明,相对于传统的dE/dx方法,该方法提高了颗粒分离能力。此外,讨论了用Geant 4软件再现聚类数和聚类大小分布的三种不同算法。
2021-05-14 hep-ex physics.ins-det
Particle Identification with the TOP and ARICH detectors at Belle II
Belle II实验的粒子识别将由两个环形成像切伦科夫设备提供,中心区域的传播时间计数器和前端盖区域的气凝胶辐射器的近距离聚焦RICH。这两个探测器的主要特点,性能研究,和建设进展。
2017-06-25 hep-ex physics.ins-det
Cascade Training Technique for Particle Identification
级联训练技术,这是在我们的工作中开发的MiniBooNE颗粒识别已被发现是一个非常有效的方式来提高选择性能,特别是当非常低的背景污染水平是理想的。在此基于MiniBooNE检测器蒙特卡罗模拟,使用人工神经网络和提升决策树作为示例,给出了该技术的详细描述。
2006-11-27 hep-ex physics.data-an
Reconstruction and Particle Identification for a DIRC System
我们研究的重建和粒子识别(PID)问题的环形成像设备提供了一个很好的知识的切伦科夫光子的方向,作为DIRC系统,我们专注于。我们主张首先使用赤平投影作为一种工具,允许光子数据的适当表示,因为它允许代表切伦科夫锥总是作为一个圆圈。我们建立了一个算法,能够可靠地执行一个小角度开口圆弧拟合,通过最小化一个真正的Chi 2表达式。我们为PID开发的系统依赖于这种算法和能够以高效率去除背景光子的程序。因此,我们表明,即使当背景是大的,它是可能的,以执行一个有效的PID通过一个合适的算法,最终提供所有的圆参数;这些都与带电的轨道方向和它的切伦科夫角。结果表明,背景效应可以处理,而不会显着破坏重建概率分布。
1998-08-10 hep-ex
Performance of the FARICH-based particle identification at charm superfactories using machine learning
P. N. Lebedev Physical Institute of the Russian Academy of Science(俄罗斯科学院列别杰夫物理研究所)
本文研究了未来重子工厂探测器中Focusing Aerogel Ring Imaging CHerenkov子系统的粒子识别性能,采用机器学习方法优化了信号环重建算法,并通过D0->Kmunu衰变分析验证了其有效性。
2025-06-17 hep-ex physics.ins-det
Perspectives for particle identification in ALICE using silicon-based timing detectors
精确计时一直是高能物理实验仪器中的一个重要课题。在本文中,我讨论了在LHC下一代重离子实验中使用硅传感器作为飞行时间探测器的前景。实验的简要概述和预期的颗粒识别性能的初步评估。
2020-10-14 hep-ex physics.ins-det
New method of particle identification with tracker detectors
跟踪器检测器可用于基于在利用卡尔曼滤波器进行跟踪拟合期间获得的带电粒子的全局chi值来识别带电粒子。这种方法建立在探测器材料和局部位置分辨率的知识基础上,使用已知的多次散射和能量损失的物理学。该方法独立于传统的利用沉积能量的识别方法。目前的LHC实验的性能进行了演示。
2009-11-13 hep-ex physics.ins-det
A Neural-Network-defined Gaussian Mixture Model for particle identification applied to the LHCb fixed-target programme
大型高能物理实验中的粒子识别通常依赖于通过组合许多实验观测值获得的分类器。在多变量空间中预测这些分类器的概率密度函数(pdf)覆盖相关的实验特征通常是具有挑战性的。根据第一原理对探测器响应的详细模拟不能提供最精确的物理测量所需的可靠性。数据驱动的建模通常是首选,虽然有时受到可用数据大小和控制通道对特征空间的不同覆盖的限制。在本文中,我们讨论了一种新的方法,使用机器学习技术的粒子识别分类器的建模。分类器的边缘pdf用高斯混合模型描述,其参数由在校准数据上训练的多层感知器预测。作为一个证明的原则,该方法被应用到LHCb实验在其固定目标配置所获得的数据。该模型是训练质子-氖碰撞的数据样本,并应用于较小的数据样本的质子-氦和质子-氩碰撞收集在不同的质量中心的能量。该方法被证明比详细的基于模拟的方法执行得更好,速度快,适合应用于各种各样的用例。
2022-02-10 hep-ex
Boosted Decision Trees as an Alternative to Artificial Neural Networks for Particle Identification
使用人工神经网络和提升决策树的粒子识别的功效进行了比较。在MiniBooNE的背景下进行的比较,在费米实验室的实验寻找中微子振荡。基于模拟数据的Monte Carlo样本研究,在MiniBooNE实验中,Boosting算法的粒子识别性能优于人工神经网络。虽然本文中的测试是针对一个实验的,但预计提升算法将在物理学中得到广泛的应用。
2004-11-19 hep-ex physics.data-an
Particle Identification with the ALICE detector at the LHC
ALICE是致力于研究重离子碰撞的大型强子对撞机实验。与在这种碰撞中产生的介质的性质有关的许多可观测量依赖于探测器在粒子的粒子识别(PID)方面的出色能力。在下文中,将描述用于不同ALICE分析的各种PID技术。重点将给予探测器的性能,并选择的结果将在pp收集的数据在sqrt(s)= 7 TeV和PbPb碰撞在sqrt(s_NN)= 2.76 TeV。
2012-09-25 hep-ex nucl-ex
Simulation study of particle identification using cluster counting technique for the BESIII drift chamber
带电强子的粒子鉴别,特别是$K$和$π$的分离,是香味物理研究的关键。与传统的$dE/dx$测量相比,用团簇计数技术测量电离能具有更小的涨落,有望为BESIII实验提供更好的粒子识别。仿真研究,包括基于Garfield++的波形分析和在BESIII离线软件系统中K/π识别的性能研究。结果表明,在动量大于1.2 GeV/c的范围内,即使采用保守的分辨假设,采用团簇计数技术也能显著提高$K/π$的分离能力和PID效率。
2022-10-04 hep-ex physics.ins-det
Bayesian Approach to Particles Identification in the MPD Experimen
针对NICA对撞机MPD探测器的粒子识别需求,研究优化TOF与TPC的识别算法,采用统计贝叶斯方法实现识别效率与误识别污染的最优平衡。
2024-05-17 hep-ex physics.data-an physics.ins-det
Selection and processing of calibration samples to measure the particle identification performance of the LHCb experiment in Run 2
自2015年以来,随着LHC第二轮数据采集的重新启动,LHCb实验已被授权使用专用计算模型来选择和分析校准样本,以测量粒子识别(PID)探测器和算法的性能。这项新技术是在LHCb实验的创新触发模型框架内开发的,该模型依赖于大多数数据集的在线事件重建,将离线重建保留给特殊的物理情况。讨论了标定样本的选择和处理策略,包括在线和离线重建相结合的专用数据处理方案。使用校准样品来测量探测器PID性能,以及在大范围的衰减通道上的PID要求的效率。还详细介绍了校准样品在数据质量监测和验证程序中的应用。
2018-03-02 hep-ex
Identification of Long-lived Charged Particles using Time-Of-Flight Systems at the Upgraded LHC detectors
我们研究了在HL-LHC时代,皮秒级精确定时探测系统对LHC实验长寿命粒子搜索计划的影响。我们开发的算法,使我们能够重建这种带电粒子的质量,并使用飞行时间测量进行粒子识别。我们调查的基准方案的时间分辨率的函数的范围,并发现灵敏度提高了十倍,这取决于新的重粒子质量。
2019-01-11 hep-ex hep-ph physics.ins-det
Prospects of fast timing detectors for particle identification at future Higgs factories
本文综述了利用典型的希格斯工厂探测器的电磁量能器中的飞行时间测量对带电强子($π^{\pm}$,$K^{\pm}$,$p$)进行精确质量重建和识别的研究。飞行时间测量可以利用具有大约10 ps的时间分辨率的快速定时Si传感器。一个精确的飞行时间测量可能有助于K介子质量的测定,可以提高粒子识别的动量区域的$dE/dx$方法无法访问。在这篇文章中,我们讨论了目前的现状和挑战的飞行时间的方法精确重建带电强子质量。
2021-05-26 hep-ex physics.ins-det
Particle identification capability of a homogeneous calorimeter composed of oriented crystals
本文首次通过Geant4模拟定量评估了取向晶体量能器的粒子鉴别能力,证明其能显著提升随机森林分类器在中子-伽马鉴别中的性能,为高精度粒子鉴别场景提供了可行方案。
2024-10-17 hep-ex
Machine Learning approach to boosting neutral particles identification in the LHCb calorimeter
提出了一种利用LHCb探测器的电磁量热仪(ECAL)来识别助推中性粒子的新方法。目前,光子和中性π介子的识别是基于几何参数,这些几何参数描述了量热计中能量沉积的预期形状。这允许将电磁量热计中的单个光子与由高动量$π^0$衰变产生的重叠光子区分开。这里提出的新方法是基于将机器学习技术应用于初级热量计信息,这些信息是在能量簇周围的单个细胞中收集的能量。该方法允许改善光子和中性π介子的分离性能,并且没有显著的能量依赖性。
2019-12-18 hep-ex physics.ins-det
Low energy tracking and particles identification in the MUNU Time Projection Chamber at 1 bar. Possible application in low energy solar neutrino spectroscopy
在本文中,我们提出的测量结果与MUNU TPC在1巴压力的CF4在能量低于1 MeV的区域。电子事件下降到80 keV成功地测量。电子的能量和方向被重建为每个包含的单个电子高于200 keV。作为测试,通过测量TPC中康普顿电子的能量和方向来重建137Cs的峰。
2007-11-02 hep-ex
Performance of Particle Identification with the ATLAS Transition Radiation Tracker
ATLAS过渡辐射跟踪器(TRT)是欧洲核子研究中心大型强子对撞机ATLAS内部探测器的三个子系统中最外面的一个。除了跟踪能力外,TRT还通过探测跃迁辐射X射线光子提供粒子识别(PID)能力。后者的功能提供了大量的电子和强子之间的鉴别力的动量范围从1到200 GeV。此外,与高比能沉积(dE/dx)相关的信号时间长度的增强的测量可用于识别高度电离的粒子,从而增加低动量下的电子识别能力并提高搜索新物理的灵敏度。本演讲介绍了TRT PID在2010年初7 TeV数据采集期间的调试。在2010年和2011年的表现证明TRT的能力,以确定电子,补充量热计为基础的识别方法,也将显示。
2011-09-27 hep-ex physics.ins-det
Genetic Algorithm for determination of the event collision time and particle identification by time-of-flight at NICA SPD
针对NICA SPD实验中TOF法粒子鉴别需高精度碰撞时间、传统方法计算成本高的问题,提出专用遗传算法快速准确测定pp碰撞时间,并基于该方法对比了多种TOF粒子鉴别方案。
2023-03-12 hep-ex physics.ins-det
Pileup Per Particle Identification
我们提出了一种新的方法,通过实施“堆积每粒子识别”(PUPPI)的堆积缓解。对于每个粒子,我们首先定义一个局部形状$α$,它探测粒子附近的共线与软漫射结构。前者表示源自硬散射的颗粒,后者表示源自堆积相互作用的颗粒。带电堆积的$α$分布(假设为所有堆积的代理)在逐个事件的基础上用于计算每个粒子的权重。权重描述了粒子堆积的程度,并用于重新调整它们的四动量,取代了基于射流的修正。此外,该算法灵活地允许与其他可能是实验性的、与粒子相关联的概率信息(诸如顶点和定时性能)相结合。我们证明了该算法改进了现有的方法,通过查看射流$p_T$和射流质量。我们还发现了一个改进的非喷流量,如失踪的横向能量。
2014-09-30 hep-ex hep-ph
Dispersion in optical fibers and timing for particle identification
在HARP实验的TOF壁激光定标系统的框架内,对单模和多模光纤在绿波段(532 nm)的时间色散特性进行了研究。用$\approx$ 10 $μ$ m芯直径光纤获得了小于4 ps/m的色散。
2002-05-14 hep-ex physics.optics
Charged pion identification at high pT in ALICE using TPC dE/dx
ALICE TPC为LHC上pp和Pb-Pb碰撞的研究提供了很好的带电粒子跟踪。TPC还允许通过测量特定电离dE/dx来识别颗粒。在高pT(pT > 3 GeV/c),这是在能量损失的相对论性上升的区域内完成的。从能量损失分布中可以确定pT和pT谱中带电π介子、K介子和质子的产额。在这里,我们提出了这样的分析在PP碰撞在7 TeV的带电π介子高达10 GeV/c的性能。
2011-09-09 hep-ex
Performance study of particle identification at the CEPC using TPC $dE/dx$ information
K介子的确定对射流的味道物理研究至关重要,同时也有利于射流的味道和电荷重构。我们探索粒子的识别能力的轨道动量范围从2-20 GeV/c使用$dE/dx$测量在时间投影室在未来的圆形电子-正电子对撞机。基于Monte Carlo模拟,我们预计可以根据$dE/dx$信息实现平均$3.2~σ$($2.6~σ$)$K/π$分离,以便将模拟性能乐观(保守)外推到最终系统。来自电磁量热计的飞行时间(TOF)信息可以提供大约1 GeV/c的$K/π$分离,并降低$K/p$错误识别率。通过结合$dE/dx$和TOF的信息,我们估计在乐观的情况下,在包含强子$Z$衰变中可以实现K介子选择,平均效率和纯度都接近95%.
2018-03-14 hep-ex physics.ins-det
Improved calorimetric particle identification in NA62 using machine learning techniques
针对 NA62 鉴别 μ 子与 π 子的需求,本文提出辅以滤波器的 CNN 量能器鉴别算法,在相同 π 子效率下将 μ 子误鉴别率降低 6 倍。
2023-04-24 hep-ex physics.ins-det
Tau Neutrino Identification in Atmospheric Neutrino Oscillations Without Particle Identification or Unitarity
迄今为止最大的tau中微子数据集是IceCube的大气tau中微子外观数据集,其中包含$>1,000$ tau中微子和反中微子事件,这些事件是通过拟合标准的三味振荡框架确定的。然而,在逐个事件的基础上,不可能知道任何给定的事件都是τ中微子,因为它们与电子中微子带电电流事件或任何活性风味的中性电流相互作用相同。尽管如此,我们最终表明,即使不知道振荡参数,也不假设轻子混合矩阵是幺正的,仅使用级联样本,τ中微子识别仍然是可能的,并且没有可行的方案,其中所有的τ中微子候选者实际上都是电子中微子。这主要是由于物质效应和τ轻子产生阈值,以及由于一个或多个传出中微子,τ中微子在比电子中微子更低的能量下系统地重建的事实。这最终表明,大气中微子振荡实验有可能证实$U_{\tau1}$、$U_{\tau2}$和$U_{\tau3}$不全为零,即使粒子识别有限。
2021-12-15 hep-ex hep-ph
Characterization of the scintillation response of water-based liquid scintillator to alpha particles, and implications for particle identification
本文测量了水基液体闪烁体对α粒子的闪烁光产额和时间分布,并将其用于模拟预测,发现α/β鉴别能力随闪烁体浓度提高,在4吨级10%水基液体闪烁体中可实现90% β接受率下优于80%的α排除率。
2023-11-27 hep-ex physics.ins-det
DIRC, a New Type of Particle Identification System for BABAR
DIRC是一种新型的切伦科夫成像装置,已被选为非对称B工厂PEP-Ⅱ BABAR探测器的初级粒子识别系统。它基于全内反射,并使用由合成熔融石英制成的长矩形棒作为切伦科夫辐射器和光导。本文阐述了DIRC环形成像切伦科夫技术的原理,并给出了原型程序的结果。介绍了石英辐射器的光学特性和抗辐射性的研究,并讨论了探测器的设计。
1997-12-12 hep-ex physics.ins-det
TORCH: a large area time-of-flight detector for particle identification
TORCH是一个飞行时间探测器,正在为LHCb实验的升级II开发,目的是在2-10 GeV/c的动量范围内提供带电粒子识别。带有定制读出电子设备的小型TORCH演示器已在CERN PS的束流测试中成功运行。初步结果表明,可以实现优于100 ps的单光子分辨率。
2018-12-03 hep-ex physics.ins-det
Flavor-physics benchmarks for tracker-based particle identification at the FCC-ee
MIT(麻省理工学院)
本文通过模拟事件评估 CLD 和 IDEA 装置的粒子识别性能,探讨了跟踪子系统对味物理测量的影响,指出时间飞行和能量沉积测量对低动量强子有显著背景抑制作用,而中等动量粒子需更精确的飞行时间分辨率以提高稀有衰变的灵敏度。
2026-05-15 hep-ex
Context-Enriched Identification of Particles with a Convolutional Network for Neutrino Events
粒子探测器记录了亚原子粒子的相互作用以及它们穿过物质的过程。这些粒子的识别对于深入的物理分析是必要的。虽然粒子可以通过它们穿过物质时的个体行为来识别,但它们产生的相互作用的完整背景可以大大帮助分类任务。我们开发了第一个用于粒子识别的卷积神经网络,它使用上下文信息。这也是第一次实现四塔连体式架构,既分离独立的输入,又包含上下文信息。该网络将来自NOvA中微子探测器的能量沉积物集群分类为电子,μ子,光子,π子和质子,总效率和纯度分别为83.3%和83.5%。我们通过将我们的结果与没有上下文信息训练的网络进行比较,证明了为网络提供上下文信息可以提高性能。
2019-06-03 hep-ex physics.data-an physics.ins-det
Cluster counting algorithms for particle identification at future colliders
针对现有开源算法无法还原簇计数泊松行为的问题,本文提出结合最新计算工具与物理知识的电子峰搜索和电离簇识别算法,并评估其在未来对撞机粒子鉴别中的性能。
2023-04-21 hep-ex physics.ins-det
Robust Neural Particle Identification Models
大型强子对撞机实验处理的大量数据需要复杂的选择规则,通常基于机器学习算法。这些方法的缺点之一是它们对训练样本中的偏差非常敏感。在粒子识别(PID)的情况下,由于输入运动学分布的差异,这可能导致训练数据集中不存在的一些衰减的效率降低。在这次演讲中,我们提出了一种基于公共特定分解的方法,该方法通过分解输入特征集的公共和特定衰减分量来考虑训练数据中的个体衰减和可能的变形。我们表明,所提出的方法降低了在LHCb检测器中重建的衰减的PID算法的效率退化率。
2022-12-15 hep-ex physics.ins-det
CPID: A Comprehensive Particle Identification Framework for Future e$^+$e$^-$ Colliders
针对未来正负电子对撞机,本文提出综合粒子鉴别(CPID)框架,以统一评估不同提案中的粒子鉴别技术,满足物理需求,并通过示例展示其强大与灵活性。
2023-08-31 hep-ex physics.ins-det
Development of time-of-flight particle identification for future Higgs factories
该研究以ILD为例探讨未来e+e−希格斯工厂中TOF粒子鉴别的探测器集成,分析径迹长度重建与多种TOF测量技术,并评估π/K和K/p鉴别性能及物理应用。
2023-11-08 hep-ex
R&D Efforts in Cherenkov Imaging Technologies for Particle Identification in Future Experiments
Istituto Nazionale di Fisica Nucleare (INFN), Sezione di Trieste(意大利国家核物理研究所(INFN)的里雅斯特分部)
本文综述了未来粒子与核物理实验中闪烁成像探测器的研发进展,重点探讨传感器技术、辐射材料及闪烁光时间利用等关键领域,推动粒子识别极限。
2026-03-24 hep-ex nucl-ex physics.ins-det
Particle Identification at FCC-ee
在FCC-EE的实验中配备粒子识别能力,特别是区分强子种类的能力,将给物理学方案带来巨大好处。良好的PID对于夸克味物理的精确研究至关重要,也是τ,top和Higgs物理中许多测量的重要资产。味物理和这些其他应用的要求进行调查,重点是PID是必要的动量范围。可能的解决方案进行了讨论,包括经典的丰富的计数器,飞行时间系统,和d $E$ /d $x$和集群计数。注意的是支付的影响,包括PID功能将意味着全球检测器的设计。
2021-08-02 hep-ex physics.ins-det
Identification of High-Momentum Top Quarks, Higgs Bosons, and W and Z Bosons Using Boosted Event Shapes
在大型强子对撞机中,标准模型和超越标准模型的理论中预期的许多物理过程产生了非常高的动量粒子,这些粒子衰变到多强子末态。开发有效识别这种“助推”粒子的算法,同时拒绝来自轻夸克和胶子的多强子喷流的背景,可以大大有助于测量和新粒子搜索的灵敏度。本文提出了一种在洛伦兹增强参考系中利用事例形状识别增强大质量粒子的新方法。在这些框架中计算的多强子喷流的变量,然后可以被用来作为输入到一个大型的人工神经网络来区分它们的起源。
2016-10-10 hep-ex hep-ph
Performance of a 250L liquid Argon TPC for sub-GeV charged particle identification
作为下一代中微子和核子衰变探测器研制计划的一部分,我们研制了基准质量为150 kg的液态氩TPC探测器。本文介绍了粒子识别性能的检测器使用定义良好的带电粒子(π介子,K介子和质子)的动量约800 MeV/ $c$在J-PARC K1.1 BR束线获得的研究。
2012-06-09 hep-ex physics.ins-det
Investigations on a Fuzzy Process: Effect of Diffusion on Calibration and Particle Identification in Liquid Argon Time Projection Chambers
电离电子扩散液氩时间投影室(LArTPC)通常被认为是在检测器的设计阶段,但很少有人注意到它的校准和粒子识别的影响。我们使用基于GEANT 4的模拟来研究扩散如何影响这些技术,并考虑如何模拟这种效果。我们发现,扩散可以导致漂移依赖的偏压的中位数和最可能的值(MPV)的每单位长度分布的电荷沉积。在添加探测器特定考虑因素(如电场不均匀性)之前,当前运行的LArTPC中典型最大漂移时间的偏倚估计为~2.5%(中位数)和~5.0%(MPV)。这表明,这些指标不应该被用于校准没有照顾,相反的传统智慧。扩散对LArTPC分离μ子和质子的能力的影响很小,预计不会在未来的探测器中造成任何问题。然而,当分离质量更相似的粒子(μ子和π子,K介子和质子)时,扩散可能是系统不确定性的重要来源。这种群体的分离可以通过实施依赖于漂移时间的颗粒识别来改进。
2022-05-25 hep-ex physics.ins-det
Hybrid Machine-Learning Particle Identification for the ePIC Proximity-Focusing RICH
Stony Brook University(石溪大学)
本文提出了一种混合机器学习方法,用于提升ePIC实验中pfRICH探测器的粒子识别性能,通过结合卷积神经网络和梯度提升决策树,实现对质子、kaon和π介子的高精度分离。
2026-09-29 hep-ex physics.ins-det