Material Identification with Cosmic Ray Muons using RPCs
我们计划建立一个成像装置的材料识别利用库仑散射的宇宙射线μ子，由于它们与材料的相互作用，并跟踪它们的轨迹与RPC。首先，我们考虑一个设置的六个RPC堆叠在一个平行的方式来读取的μ子的位置和时序信息之前和之后的相互作用与一个幻影的一个给定的材料使用一组三个RPC的每个阶段。在这里，我们提出了一个模拟工作进行研究的幻影的几种材料，使用本设置的图像形成。使用GEANT4对由六个RPC组成的成像系统进行了详细建模。宇宙射线库（CRY）用于产生具有适当能量和动量分布的粒子。三种重建算法，即最接近点（POCA），迭代POCA和分箱聚类算法的材料识别和图像重建。计算了一个用于目标物体识别的加权度量。利用该算法，对两层RPC之间的感兴趣区域进行了成像。研究了识别目标对象和进行图像重建所需的时间。
2018-06-10 hep-ex physics.ins-det
Material Identification in Nuclear Waste Drums using Muon Scattering Tomography and Multivariate Analysis
利用μ子散射断层成像技术对核废料进行非侵入性表征是一种行之有效的方法。我们在这里报告的应用程序相结合的功能鉴别器和多变量分析技术，以定位和识别核废料桶中的材料。在成功训练和优化算法后，它们将在一系列材料配置上进行测试，以评估系统的性能和局限性。该系统能够在几个\text{cm}尺度上正确识别铀、铁和铅物体。该系统对小型铀物体的灵敏度也被确定为$0.90^{+0.07}_{-0.12}$，假阳性率为$0.12^{+0.12}_{-0.07}$。
2021-02-24 hep-ex physics.ins-det
Particle identification with the Belle II calorimeter using machine learning
我提出了一个应用程序的卷积神经网络（CNN），以分离介子和π介子的Belle II电磁量能器（ECL）。ECL设计用于测量带电和中性粒子沉积的能量。它也提供了重要的贡献，粒子识别（PID）系统。如果ECL中的低动量μ子和π子没有到达外μ子探测器，那么识别它们是至关重要的。轨迹种子簇能量图像提供了最大可能的信息。在ECL的进入点处的外推轨道周围的晶体中的μ子和π子的能量沉积的形状与$θ-ϕ$平面中的晶体位置和轨道的横向动量一起用于训练CNN。CNN利用了π介子强子相互作用和更局域化的μ介子电磁相互作用的分散能量沉积之间的差异。使用仿真，CNN算法的性能进行了比较，与其他PID方法在Belle II的跟踪匹配的聚类信息的基础上。结果表明，CNN PID方法在低动量情况下改善了μ介子-π介子的分离。
2023-01-27 hep-ex physics.ins-det
Improving Muon-Scattering Material Identification via Coarse Momentum Encoding and Unsupervised Domain Adaptation
Hefei University of Technology（合肥工业大学）；Institute of Modern Physics, Chinese Academy of Sciences（中国科学院近代物理研究所）；Frontiers Science Center for Rare Isotopes, Lanzhou University（兰州大学稀有同位素前沿科学中心）；Advanced Energy Science and Technology Guangdong Laboratory（广东省实验室（先进能源科学与技术））；University of Chinese Academy of Sciences（中国科学院大学）；State Key Laboratory of Heavy Ion Science and Technology, Institute of Modern Physics, Chinese Academy of Sciences（中国科学院近代物理研究所重离子科学和技术国家重点实验室）；China Academy of Engineering Physics（中国工程物理研究院）
提出粗动量感知域自适应（CMADA）方法，利用粗动量分箱和无监督域自适应学习可迁移的散射表示，并引入精度复核模式，显著提升同域和跨域材料识别准确率。
2026-06-29 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
Muon Identification without Iron
μ子可以高效率、高纯度地被识别，并且具有高精度地被重建，这是一种具有双读出量热计和双螺线管的探测器，以返回没有铁的通量。我们展示了CERN的量热计测试束数据以及磁场和轨道重建的计算。对于孤立径迹，π介子对μ介子的排斥范围从20 GeV/c的$10^3$到300 GeV/c的$10^5$。
2007-09-06 physics.ins-det
FPGA-based muon shower identification and graph neural network tracking algorithms for HL-LHC triggers
针对HL-LHC触发器，提出FPGA上的μ子簇射识别与图神经网络跟踪算法，分别处理桶部与重叠区域，通过INT8-PO2量化和位宽优化，将DSP利用率降至20%，推理延迟仅19个时钟周期，为长寿命粒子等非常规μ子特征触发奠定基础。
2026-10-06 hep-ex physics.ins-det
Muon Identification Using Deep Neural Networks with the Muon Telescope Detector at STAR
μ子望远镜探测器的安装为研究STAR的双μ子生产提供了新的可能性。然而，来自强子穿通和π介子和K介子的弱衰变的背景使得初级μ介子的识别具有挑战性。在本文中，我们提出了一个浅和深的神经网络训练的分类器的μ子识别的目的，使用信息的μ子望远镜探测器在STAR的研究。浅层神经网络的性能作为其隐藏层中的神经元数量的函数。提出了一种用于确定最佳深度神经网络分类器架构的超参数优化。将优化的深度神经网络与浅层神经网络、提升决策树、似然比和传统的基于切割的PID技术进行了比较。通过测量$\sqrt{s}$ = 200 GeV的p+p碰撞中的$ϕ$介子和$ψ(2S)$，展示了基于深度神经网络的μ子识别技术的优越性，并与传统PID进行了比较。与传统PID技术相比，基于深度神经网络的PID同时提供更高的信号效率、信号与背景比以及$ϕ$峰的显著性。最后，提出并讨论了一种用于测量数据中μ子纯度的深度神经网络辅助技术。
2019-08-15 nucl-ex physics.ins-det
Design of an atmospheric muon tomographer for material identification based on CORSIKA+GEANT4 simulations
Pontificia Universidad Católica del Perú（秘鲁天主教公立大学）
本文基于CORSIKA+GEANT4模拟设计了一种便携式大气μ子成像仪，用于通过吸收和散射方法区分不同材料制成的对象，证明吸收方法在材料识别中效果最佳。
2024-03-22 hep-ex physics.ins-det
Improvements to the LC Muon Tracking and Identification Software
最初由R. NIU的Markeloff。最初的方法使用螺旋游泳器从相互作用点外推轨道，并收集所有子探测器的命中：电磁和强子量热计和μ子探测器。对该包进行了修改，用步进器代替了游泳器，该步进器既考虑了磁场的影响，又考虑了粒子遇到的材料中的电离损失。修改后的软件包显示出μ子识别效率的大幅提高。将其应用于bbar-b喷流，研究了μ子探测效率和纯度。通过利用卡尔曼滤波器来考虑随机过程，应能得到进一步的改进。
2006-04-25 physics.ins-det
Development and implementation of a time-based signal generation scheme for the Muon Chamber simulation of the CBM experiment at FAIR
在即将建成的反质子与离子研究设施（FAIR）中，压缩重子物质（CBM）实验将采用自由流数据采集技术，无需任何硬件触发，利用自触发读出电子学，在高达10 MHz的极高相互作用速率下进行核碰撞数据采集。已经开发了一个仿真框架，具有现实的数字化的探测器在CBM的μ子室（MuCh）子系统中提供了一个现实的模拟的时间戳数据流。在这篇文章中，我们描述了实现的自由流检测器模拟和基本数据相关的影响检测器的相互作用率。
2021-04-24 hep-ex physics.ins-det
Muon identification in a compact single-layered water Cherenkov detector and gamma/hadron discrimination using Machine Learning techniques
μ子标记是在宽视场γ射线观测站区分γ和强子诱导簇射的重要工具。在这项工作中，它表明，一个有效的μ子标记（和计数）可以实现使用水切伦科夫探测器减少水的体积和4 PMT，提供PMT信号的空间和时间模式的解释基于机器学习（ML）的分析。开发的分析已经过测试，不同的淋浴和阵列配置。ML分析的输出，有一个μ介子在WCD站的概率，已被用来显着区分γ和强子诱导的簇射与$S/ \sqrt{B} \sim 4$的簇射能量$E_0 \sim1\,$ TeV。最后，对于质子诱导的簇射，建立了一个估计的μ子的数量的概率的总和的装置有一个μ子在车站。用$N_μ > 10$计算了垂直簇射的$20\%$分辨率，得到了可以忽略的偏差。
2021-06-07 hep-ex hep-ph physics.ins-det
FPGA Implementation of a Fixed Latency Scheme in a Signal Packet Router for the Upgrade of ATLAS Forward Muon Trigger Electronics
我们提出了一个新的固定延迟的Xilinx千兆收发器，将用于在大型强子对撞机的ATLAS前向μ子谱仪的升级计划。固定延迟方案在前端数据串行器ASIC和分组路由器之间的4.8 Gbps链路中实现。为了实现固定延迟，我们在Xilinx FPGA中使用IO延迟和专用进位资源，同时尽量减少对FPGA收发器的嵌入式功能的依赖。该方案是协议无关的，可以适应其他供应商的FPGA类似的资源。本文提出了一个详细的实现固定的延迟计划，以及模拟的真实环境中的ATLAS前向μ子区域。
2015-09-21 hep-ex physics.ins-det
Obtaining material identification with cosmic ray radiography
μ子通过物质的过程主要受它们与电子和原子核的库仑相互作用的影响。μ子与电子的相互作用导致持续的能量损失和μ子的停止，而它们从原子核的散射导致角“扩散”。通过测量停止的μ子的数量和μ子轨道的角度变化，我们可以估计密度和识别材料。在这里，我们展示了材料识别使用的数据在洛斯阿拉莫斯与迷你μ子跟踪器。
2012-10-23 astro-ph.HE astro-ph.IM hep-ex
Implementation of an upward-going muon trigger for indirect dark matter searches at the NO$ν$A far detector
NO $ν$ A合作建造了一台14，000吨重的细颗粒、低Z、总吸收跟踪热量计，与升级的NuMI中微子束成离轴角。该探测器具有出色的粒度和能量分辨率以及相对较低的中微子阈值，旨在观察μ子中微子束中的电子中微子外观，但它也具有独特的能力，适用于更奇特的工作。事实上，如果能够证明一个有效的向上运动的μ介子触发器具有足够的宇宙射线背景抑制，那么$ν$ A将能够竞争性地间接寻找低质量WIMP的暗物质。在NO $ν$ A远探测器处的宇宙射线μ子速率约为100 kHz，并且为触发和优化这样的搜索分析提供了主要挑战。显示NO $ν$ A上行μ子触发器的状态。
2015-10-26 hep-ex physics.ins-det
Hardware Implementation of a Fast Algorithm for the Reconstruction of Muon Tracks in ATLAS Muon Drift-Tube Chambers for the First-Level Muon Trigger at the HL-LHC
高亮度大型强子对撞机将提供一个独特的机会来探索物理学的本质，超越强相互作用和电弱相互作用的标准模型。高度选择性的第一级触发器是必不可少的物理方案的ATLAS实验在HL-LHC的瞬时光度将超过LHC运行1瞬时光度几乎一个数量级。ATLAS第一级μ子触发率主要由低动量μ子控制，这是由于电阻板和薄间隙触发室的中等动量分辨率而选择的。这种限制可以通过在第一级触发决策中包括精密μ子漂移管（MDT）室的数据来克服。这需要MDT命中到检测器外触发逻辑的快速连续传输以及在触发逻辑中执行的快速跟踪重建算法。为了证明在大约3~ $μ$ s的短的可用第一级触发延迟内重建MDT室中的轨迹的可行性，我们在Xilinx Zynq FPGA的ARM Cortex A9微处理器上实现了种子Hough变换，并使用CERN的伽马辐照设施中记录的测试束数据研究了其性能。我们可以证明，通过使用ARM处理器的Neon单指令多数据引擎并行执行4个浮点运算，可以满足具有挑战性的延迟要求。
2018-03-11 hep-ex physics.ins-det
Using a portable muon detector for radioactive source measurements and identification
我们重新利用了由CosmicWatch项目设计的便携式塑料闪烁体μ介子探测器，用于测量放射源衰变发射的电子。对于后一个目的，我们首先校准的探测器使用当地的大气μ子通量，进行角分布和衰减测量。此外，我们还使用Geant 4以详细的方式模拟了探测器，以便进行交叉检查并更好地了解该设备。然后，我们已经开发了一种方法来评估活动的$β$ -源，并区分不同的$β$ -源，通过查看它们各自的电压谱输出。
2019-08-17 physics.ins-det
Tackling the muon identification in water Cherenkov detectors problem for the future Southern Wide-field Gamma-ray Observatory by means of Machine Learning
Laboratório de Instrumentação e Física Experimental de Partículas (LIP)（粒子实验物理与仪器实验室）；Instituto Superior Técnico (IST), Universidade de Lisboa（里斯本大学高等理工学院）；University of Granada（格拉纳达大学）
本文提出了几种方法来处理水切伦科夫探测器中识别μ子的问题，减少了水的体积和4个光电倍增管。使用不同的角度的信息表示和新功能的工程使用特定的领域知识。结果表明，这些新特征与卷积层相结合，能够实现良好的性能，避免过拟合，并能够适当地推广测试集。研究结果还证明，最先进的机器学习分析技术与低水深的水切伦科夫探测器相结合，可以有效地识别μ子，由于减少了高海拔地区所需的水量，这可能会节省巨额投资。这一成果可用于进一步的研究，能够区分γ和强子诱导的簇射使用μ子作为判别。
2021-01-28 cs.LG 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
ML-based muon identification using a FNAL-NICADD scintillator chamber for the MID subsystem of ALICE 3
本文报告了用于ALICE 3 MID子系统的FNAL-NICADD闪烁体室原型在多种吸收体厚度下的性能，采用机器学习分析和GEANT 4模拟验证，并讨论了改进方向。
2025-09-11 hep-ex physics.ins-det
Full Characterization of a Mock Nuclear Waste Barrel with Muon Tomography using Micromegas Detectors
CEA/Irfu, Université Paris-Saclay（法国原子能委员会/核研究与物理技术研究所，巴黎萨克雷大学）；Centro de Astropartículas y Física de Altas Energías (CAPA), Universidad de Zaragoza（高能天体粒子中心，萨拉戈萨大学）
基于多重库仑散射的缪子层析成像，结合Micromegas探测器，实现了对205升模拟核废料桶内部结构的高精度三维成像和材料鉴别。
2026-10-16 hep-ex physics.ins-det
A Novel Readout Scheme for Muon Tomography Application in Material Identification
本文报道了一种基于电阻板室（RPC）的μ子散射层析成像系统的多参数读出和数据采集系统。使用与NINO ASIC耦合的低成本FPGA进行原型电阻板室的初始测试测量，用于事件选择和处理数据。NINO ASIC的时间过阈值（TOT）特性已被用于获得更好的位置信息并实现精确的跟踪能力。在我们的测试设置中，我们尝试使用单个RPC和铅块构建成像设置，这涵盖了RPC的某些领域。一个玻璃RPC的尺寸为30厘米× 30厘米，充满了95%的氟利昂和5%的异丁烷的气体混合物，配备了两个正交面板的读出带的宽度为3厘米和间距为3.2厘米，已经运行。
2022-05-31 physics.ins-det
Fine Synchronization of the CMS Muon Drift-Tube Local Trigger using Cosmic Rays
CMS实验在桶μ子触发器中使用自触发漂移管阵列来执行正确的聚束交叉的识别。只有在触发器链正确同步时，标识才是唯一的。在本文中，在一个扩展的宇宙线运行期间进行的同步描述和结果的报告。宇宙射线μ子的随机到达时间允许几个同步方面进行研究，并开发一种简单的方法，用于LHC漂移管本地触发器的精细同步。
2010-01-12 physics.ins-det
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
Electron muon identification by atmospheric shower and electron beam in a new concept of an EAS detector
我们目前的结果表明，时间分辨率和$μ$ /e分离能力与一个新的概念的EAS探测器能够测量大天顶距到达的宇宙射线。这种探测器被设计成一个大面积（几平方公里）的表面阵列的一部分，该阵列设计用于使用掠地技术测量超高能（10-200 PeV）$τ$中微子。一个标准，以确定电子-γ射线也示出和粒子识别能力进行了测试，符合在德国卡尔斯鲁厄的KASKADE-GRANDE实验的测量。
2015-01-14 astro-ph.IM physics.ins-det
Horizontal muon track identification with neural networks in HAWC
目前人工神经网络在高能物理中的应用在提高信号检测方面取得了很好的效果。在这项工作中，我们建议使用神经网络（NN）的事件歧视HAWC。这个天文台是一个水切伦科夫伽马射线探测器，近年来已经实现了识别水平μ子轨道的算法。然而，这些算法不是很有效。在这项工作中，我们描述了三个NN的实现：两个基于图像分类和一个基于对象检测。使用这些算法，我们获得了增加的数量确定的轨道。本研究的结果可用于在未来的改进性能的掠地技术的中微子的间接测量与HAWC。
2021-07-30 astro-ph.IM physics.ins-det
MICE Particle Identification Systems
卢瑟福阿普尔顿实验室（RAL）正在建造国际μ子电离冷却实验（MICE），以证明μ子束电离冷却的可行性。这是发展介子对撞机和基于储存环中介子衰变的中微子工厂所需的主要技术步骤之一。MICE将使用粒子探测器来高精度地测量冷却效果，实现0.1%或更好的发射率测量精度。粒子ID探测器和跟踪器必须在由于高的磁边缘场和RF噪声而导致的恶劣环境条件下工作。我们将简要描述MICE粒子i. d。探测器系统，并显示这些探测器的一些当前性能测量。
2009-10-07 physics.acc-ph physics.ins-det
Improved Particle Identification Using Cluster Counting in a Full-Length Drift Chamber Prototype
TRIUMF制造了单电池原型漂移室，并使用正电子、μ子和π子的$\sim\unit[210]{MeV/c}$束进行了测试。一个集群计数技术的实施，提高了区分介子和π介子的能力，结合传统的截断平均电荷测量。几个集群计数算法和设备的变化进行了测试，都表现出显着的改善时，与传统的方法相结合。结果表明，团簇计数是一个可行的选择，任何粒子物理实验使用漂移室的粒子识别。该技术不需要具有过高采样率的电子器件。最佳结果被发现与一个$\sim\unit[100]{MHz}$奈奎斯特频率对应的$\sim\unit[5]{ns}$的信号平滑时间。
2013-10-09 hep-ex physics.ins-det
Principle Study of Image Reconstruction Algorithms in Muon Tomography
μ子层析成像是一种相对较新的射线照相方法，它利用来自宇宙射线的μ子及其多次库仑散射特性来区分材料。世界各地的研究人员一直在开发各种检测系统和图像重建算法，用于μ子断层扫描应用，如核反应堆监测和违禁品货物检查。本文研究了μ子层析成像的图像重建原理。一些流行的算法与我们的模拟数据集的实现和比较，以及未来的改进，以更好的图像质量和材料的歧视性能的一些想法。
2019-12-19 hep-ex physics.ins-det
Reconstruction of Cosmic and Beam-Halo Muons with the CMS Detector
CMS探测器强大的μ子和跟踪器系统以及专用的重建软件可以精确有效地测量质子-质子碰撞产生的μ子轨迹。然而，标准的μ子重建算法不足以处理不源自碰撞的μ子。我们提出了一个专用的宇宙μ子轨道重建算法的设计，实现和性能，该算法的特点是针对不是来自相互作用点的μ子（即宇宙μ子和束晕μ子）进行了优化的模式识别。为了评估新算法的性能，在宇宙挑战第一和第二阶段，以及在第一次大型强子对撞机束操作记录的束晕μ子的数据进行了研究。此外，各种更一般的宇宙μ子和束晕μ子的拓扑结构进行了研究，使用模拟数据，以证明新算法的一些关键功能。
2008-10-21 hep-ex physics.ins-det
Scintillation Light from Cosmic-Ray Muons in Liquid Argon
本文报道了直接测量宇宙线μ子通过液氩时的时间分辨闪烁信号的实验结果。这些μ子产生的闪烁光对中微子实验和暗物质研究中弱相互作用粒子的研究具有重要价值。实验是在费米实验室的TallBo杜瓦瓶设施中进行的，使用的是为深层地下中微子实验开发的原型光导探测器和电子设备。提出了两种闪烁光时间结构的模型：唯象模型和复合模型。这两种模型发现$τ_{\text{T}} = 1.52$ $μ$ s的Ar $_2^*$三重态的衰变时间常数。这些模型还表明，“早期”的光部分的现象学模型，$F_{\text{E}}\approx 25\%$的信号，与总的光从单重态衰变的识别是低估。单线态光的总分数是$F_{\text{S}} \approx 36\%$，其中超过$F_{\text{E}}$的增加来自波长移位器通过具有长衰减常数的过程发射的单线态光。该模型还用于计算实验粒子识别参数$F_{\text{prompt}}$，即与总记录波形中的光相比，在触发后的短时间窗口中进入的光的分数。该模型再现相当好的典型的实验值$\sim0.3$发现暗物质和双$β$衰变实验，这表明该参数提供了一个强大的度量更严重的电离粒子的歧视电子和μ子。
2016-02-25 hep-ex physics.ins-det
Implementation of a high-efficiency muon veto system for the GeSparK alpha-beta/gamma coincidence detector
本文为GeSparK α-β/γ符合探测器设计并实现由六个塑料闪烁体组成的高效μ子反符合系统，通过优化布置抑制宇宙线μ子本底，实测本底降低略低于93%。
2025-02-17 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
Muon Energy Measurement from Radiative Losses in a Calorimeter for a Collider Detector
研究高能前沿的未来粒子物理实验的性能要求提出了许多新的挑战，迫使我们找到新的解决方案，用于检测，识别和测量亚核碰撞中的末态粒子。其中一个挑战是在非常高的能量下精确测量μ介子动量，在这种情况下，现实探测器中可想象的磁场提供的曲率被证明不足以实现所需的分辨率。在这项工作中，我们展示了一个全新的途径的可行性测量的μ子的能量的基础上，他们的辐射损失在一个密集的，细分的量热计。这通过在回归任务中使用沉积光子能量的簇的空间信息而成为可能。使用一个均匀的铅钨酸盐量热计作为基准，我们展示了如何能量损失可能提供重要的补充信息的μ子能量估计超过1 TeV。
2020-08-25 hep-ex physics.ins-det
Design and Implementation of Detector Control System for Muon Forward Tracker at ALICE
ALICE是欧洲核子研究中心大型强子对撞机的实验，致力于研究重离子碰撞。ALICE探测器的升级计划正在进行中，将于2022年开始进行LHC运行3，同时升级数据采集系统和探测器控制系统（DCS）。目前ALICE升级计划的主要项目之一是增加μ子前向跟踪器（MFT），这是一种位于前向快度的新硅像素探测器。在本文中，我们描述了分布式控制系统的MFT检测器是完全通过一个有限的状态机在一个分层系统控制。
2020-08-04 nucl-ex physics.ins-det
Reconstruction and identification of tau lepton decays to hadrons and tau neutrino at CMS
本文描述了CMS实验在LHC运行1期间重建和识别τ到强子+ τ中微子衰变所使用的算法。的算法的性能进行了研究，在质子-质子碰撞记录在一个中心的质量能量为8 TeV，对应于一个积分亮度为19.7反femtobarns。该算法实现了50- 60%的识别效率，夸克和胶子喷流，电子和μ子的错误识别率在千分之一和百分之一的水平之间。
2016-02-19 hep-ex physics.ins-det
Calorimetric Measurement of Multi-TeV Muons via Deep Regression
研究高能前沿的未来粒子物理实验的性能要求提出了许多新的挑战，迫使我们找到更好的解决方案，用于检测，识别和测量亚核碰撞中的末态粒子。一个这样的挑战是在非常高的能量下精确测量μ子动量，其中由现实探测器中的可想象的磁场提供的曲率的估计证明不足以在探测时实现良好的动量分辨率，例如，一种狭窄的高质量共振衰变为μ子对。在这项工作中，我们研究了一个全新的途径的可行性测量的μ子的能量的基础上，他们的辐射损失在一个密集的，细分的量热计。这是通过利用回归任务中辐射光子的能量簇的空间信息来实现的。使用基于卷积层的特定于任务的深度学习架构，使我们能够将问题视为类似于图像重建的问题，其中图像由热量计连续层中释放的能量模式构成。μ子能量的测量优于20%的相对分辨率被证明是可以实现的超TeV μ子。
2022-03-30 hep-ex physics.ins-det
Tests Of The Charged Particle Stepper With Muons
SID/ILC探测器的μ子重建包已扩展到包括电磁量热计。以前用于重建带电轨道的程序（螺旋拟合近似）已被解释磁场和电离能量损失的分步分析方法所取代。分析了μ子的运动轨迹以及该方法对μ子识别效率的影响。比较子探测器的（x，y）平面和（px，py）平面中不同能量的μ子的行为。
2006-04-24 physics.ins-det
Identification of hadronic tau lepton decays using a deep neural network
提出了一种新的算法来区分CMS探测器中来自真正τ轻子的τ轻子强子衰变（$τ_\mathrm{h}$）和来自夸克或胶子喷注、电子或μ子的$τ_\mathrm{h}$候选衰变。该算法输入来自$τ_\mathrm{h}$候选者附近的所有重构粒子的信息，并采用具有卷积层的深度神经网络来有效地处理输入。该算法导致一个显着改善的性能相比，以前使用的一个。例如，一个真正的$τ_\mathrm{h}$通过反喷流的效率增加了10-30%，对于夸克和胶子喷流的给定效率。此外，一个更有效的$τ_\mathrm{h}$重建引入了额外的强子衰变模式。利用$\sqrt{s} =$ 13 TeV的LHC质子-质子碰撞数据验证了新算法在区分喷注、电子和μ子方面的优越性能以及改进的$τ_\mathrm{h}$重建方法。
2022-07-14 hep-ex physics.ins-det
Pileup mitigation at CMS in 13 TeV data
随着LHC瞬时亮度的增加，重建也面临着额外的挑战。在高光度下，许多碰撞同时发生在一个质子-质子束交叉。为了有效的物理性能，需要将感兴趣的碰撞与额外的“堆积”碰撞隔离。在CMS协作中，已经开发了能够减轻这些连环碰撞的影响的若干技术。这些方法包括带电强子减法、堆积喷流识别、基于同位旋的中性粒子“$δβ$“校正，以及最近的每粒子堆积识别。本文综述了这些技术的喷流和失踪的横向动量重建，以及μ子隔离的性能。该分析利用了2016年CMS实验在13 TeV的质心能量下收集的35.9 fb $^{-1}$的数据。每个算法的性能进行了讨论高达70个同时碰撞每束交叉。在识别堆积射流，射流能量，质量，和角分辨率，丢失的横向动量分辨率，和μ子隔离时，使用堆积每粒子识别显着改善。
2020-09-17 hep-ex physics.ins-det
Progress of the Charged Pion Semi-Inclusive Neutrino Charged Current Cross Section in NOvA
NOvA实验是一个长基线中微子振荡实验，旨在测量电子中微子出现和μ子中微子消失的速率。NOvA近距离探测器位于费米实验室，距离主要目标800米，为测量和研究中微子-核相互作用提供了一个极好的平台。我们提出了测量的双微分截面相对于μ子运动学的相互作用，涉及带电π介子在最终状态，$ν_μ + N \rightarrow μ+ π^{+/-} + X$的状态。我们已经推导出了一种基于卷积神经网络的方法，用于识别具有特定终态拓扑结构的中微子相互作用。我们目前的事件分类效率的研究，使用这种粒子识别和分类方法，以及系统的不确定性和前景的测量。
2017-10-09 hep-ex physics.ins-det
Performance of the CMS muon trigger system in proton-proton collisions at $\sqrt{s} =$ 13 TeV
CMS实验的μ子触发系统使用硬件和软件的组合来识别包含μ子的事件。在运行2期间（涵盖2015-2018年），LHC实现了高达2 $\times$ 10 $^{34}$ cm $^{-2}$ s $^{-1}$的瞬时亮度，同时以$\sqrt{s} =$ 13 TeV进行质子-质子碰撞。CMS实验的触发系统的挑战是将记录的事件速率从约40 MHz降低到约1 kHz。自运行1结束以来，在整个运行2数据采集期间，通过改进的μ子重建和识别算法，对μ子触发系统进行了重大改进，这对CMS物理程序的成功至关重要。新算法在整个数据采集期间保持对μ子触发的接受率相同或甚至更低，尽管在每个LHC束流交叉中额外的质子-质子相互作用的数量不断增加。本文描述了2015年和2016年使用的算法及其在2017年和2018年的改进。测量的CMS μ子触发器的性能为这个数据采集期间，包括效率，横向动量分辨率，触发率，和选定的μ子样品的纯度。本文重点讨论了CMS使用的具有最低可持续横向动量阈值的单μ子和双μ子触发器。的效率是测量在横向动量范围从8到几百GeV。
2021-07-04 hep-ex physics.ins-det
Implementation of sub-nanoseconds TDC in FPGA: applications to time-of-flight analysis in muon radiography
飞行时间（tof）技术是高能物理中确定粒子传播方向的标准技术。由于粒子速度通常接近光速c，并且探测器的典型尺寸为米级，因此最先进的TOF技术应该达到亚纳秒的计时分辨率。在已经可用的各种技术中，最近开发的环形振荡器TDC的，在低成本FPGA中实现的，具有非常有趣的品质因数，因为可以用有限的处理资源实现非常好的定时性能。这个问题与无人驾驶传感器应该具有尽可能低的功耗的应用有关。本文详细介绍了这种飞行时间技术在地质体μ子层析成像中的应用。μ子层析成像的目的是通过探测大气μ子通量的衰减来测量密度变化和绝对密度。当测量的通量变得非常低时，识别的噪声源来自在指向地质体的方向上撞击检测器的向后传播的粒子。因此，基于tof信息的通过和返回粒子之间的分离是断层摄影分析和随后预测的关键参数。
2013-10-16 physics.geo-ph physics.ins-det
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
The design and construction of the MICE Electron-Muon Ranger
电子-μ子Ranger（EMR）是安装在μ子电离冷却实验（MICE）束线上的全主动跟踪量热计。该实验将演示电离冷却，这是实现中微子工厂和/或μ子对撞机所需的基本技术。EMR是用来测量由μ子、电子和π子组成的低能束流的性质，并对粒子进行识别的。该探测器由59个三角形闪烁体条的48个正交层组成。使用FPGA定制电子器件和市售模块实现读出。本文介绍了探测器的建设，从它的设计到它的调试与宇宙数据。
2016-07-18 physics.ins-det
A Programmable Time Alignment Scheme for Detector Signals from the Upgraded muon Spectrometer at the ATLAS Experiment
我们提出了一个可编程的时间对准方案中使用的ASIC的ATLAS前向μ子触发器的发展。该方案利用再生时钟与可编程的相位，以补偿不同的检测器走线长度引入的定时偏移。设计中使用的每个ASIC具有104个输入通道，延迟补偿电路为每个通道提供约3 ns的步长和25 ns的全范围。该计划包括多数逻辑抑制单粒子效应的详细实施。该方案是灵活的，完全综合。该方法适用于具有类似相移要求的其他应用。此外，该设计是资源有效的，并且适合于具有大量通道的成本有效的数字实现。
2017-08-07 physics.ins-det
A new MicroTCA-based waveform digitizer for the Muon g-2 experiment
我们提出了一个新的$μ$ TCA为基础的波形数字化仪，这将部署在μ g-2实验在费米实验室，并将允许我们的堆积识别要求得到满足的设计。该数字化仪具有5个独立通道，每个通道具有12位、800 MSPS数字化能力和1 Gbit存储缓冲器。数据存储和读出以及配置由六个Xilinx Kintex-7 FPGA处理。此外，数字化仪还配备了夹层卡，用于数字化前的模拟信号调理，进一步拓宽了其可能的应用范围。该设计的性能结果也被提出，突出其$0.51 \pm 0.13$ mV的固有噪声电平和$< 22$ ps通道之间的固有时序分辨率。我们相信，它的性能，加上其灵活的设计，可能是感兴趣的未来实验中寻找一个具有成本效益的波形数字化仪。
2016-12-15 physics.ins-det
The Level-0 Muon Trigger for the LHCb Experiment
LHCb实验的第一级μ子触发器已经开发了一个非常紧凑的架构，每秒处理4000万次质子-质子碰撞。对于每次碰撞，它接收3.2 kbps的数据，并在1.2微秒的延迟内找到直线轨迹。触发器的实现是大规模并行，流水线和完全同步的LHC时钟。它依赖于248个高密度现场可编程门阵列和大量使用嵌入在FPGA中的多千兆位串行链路收发器。
2007-05-02 physics.ins-det
Identification and Filtering of Uncharacteristic Noise in the CMS Hadron Calorimeter
对CMS强子量能器的调试研究已经发现了零星的非特征噪声和少量故障量能器通道。已经开发了算法来识别和解决数据中的这些问题。该方法已在2008年收集的宇宙射线μ子数据、量热计噪声数据和CMS单束数据上进行了测试。噪声抑制算法可以应用于LHC碰撞数据的触发级或离线分析。在触发级的算法的应用程序示出去除90%的噪声事件与假失踪的横向能量高于100 GeV，这是足够的CMS物理触发操作。
2010-01-31 physics.ins-det
Design and construction of MuTe: a hybrid Muon Telescope to study Colombian Volcanoes
我们提出了一个混合μ子望远镜，MuTe，设计和建造成像哥伦比亚活火山。MuTe具有数十米的分辨率、低功耗、坚固性和可运输性，适合在通常有活火山的难以进入的地区使用。MuTe的主要特点是实施一种混合探测技术，该技术结合了两个用于粒子跟踪的闪烁板和一个用于过滤背景源的水切伦科夫探测器，这是由于扩展的空气簇射和多粒子事件的电磁分量。MuTe采用了粒子识别技术，通过皮秒飞行时间系统来减少背景噪声源和识别假事件。我们还描述了在典型的地震和风力条件下，在观测地点的MuTe的机械行为，以及前端电子设计和功耗。
2020-06-25 physics.app-ph physics.geo-ph physics.ins-det
Calibration and first measurements of MuTe: a hybrid Muon Telescope for geological structures
在这项工作中，我们描述了校准和第一次测量的MuTe，混合μ子望远镜与两个子探测器-闪烁体hodoscope和水切伦科夫探测器（WCD）-哥伦比亚火山的内部结构成像。速端器估计撞击在前面板和后面板上的粒子的轨迹，而WCD充当穿过的带电粒子的量热计。MuTe结合粒子识别技术，以便从数据中区分噪声背景。它过滤了muography的主要噪声源，即，扩展空气簇射（EAS）的EM分量（$e^{\pm}$）和散射/向上来的μ子。WCD通过它们的沉积能量识别电子/正电子事件，而散射和反向μ子使用皮秒飞行时间（ToF）系统被拒绝。μ子产生的事件在$144$ MeV（$ < E_d <$ 400 MeV）的沉积能量范围内被发现，仅代表WCD-速端镜获得的事件中的大约40个$\%$。另外60个$\%$数据由144 MeV以下的（$e^{\pm}$）事件和400 MeV以上的多粒子事件组成。随后，低动量μ子（$<$ 1 GeV/c），这是由火山表面散射，测量的ToF $>$ 3.3 ns的穿越一米的长度。
2019-09-20 physics.app-ph physics.geo-ph physics.ins-det
