arXiv cs.AI· Junle Li, Zhaoxiang Wu, Guanda Gong, Zhaohan Li, Wuming Luo, Jiahui Wei, Wenxing Fang, Hehe Fan·· 11 小时前AI 评分18
利用时空深度学习抑制大型液体闪烁体探测器中的 ¹⁴C 光子击中
Suppression of $^{14}\mathrm{C}$ photon hits in large liquid scintillator detectors via spatiotemporal deep learning
AI 导读
研究提出三种模型在命中层面标记 e⁺ 事件中与 ¹⁴C 堆积的 ¹⁴C 光子击中，包括门控时空图神经网络和两种分别采用标量与矢量电荷编码的 Transformer 模型。
正文 · AI 翻译
摘要：液体闪烁体探测器因其低能量阈值和高能量分辨率而被广泛应用于中微子实验。尽管 LS 中 $^{14}$C 的丰度极小，但 $^{14}$C 同位素 $\beta$ 衰变产生的光子不可避免地会污染信号，从而降低能量分辨率。在本工作中，我们提出了三种模型，用于在具有 $^{14}$C 堆积的 e$^+$ 事件中标记 $^{14}$C 光子击中，从而在击中层面抑制其对能量分辨率的影响：一个门控时空图神经网络，以及两个基于 Transformer 的模型，分别采用标量和矢量电荷编码。对于每个事件包含一个 $^{14}\mathrm{C}$ 和一个动能低于 5 MeV 的 e$^+$ 的模拟测试数据集，这些模型实现了 25%-48% 的 $^{14}\mathrm{C}$ 召回率，同时将 $\mathrm{e}^{+}$ 对 $^{14}\mathrm{C}$ 的误识别率保持在 1% 以下，从而在 $\mathrm{e}^{+}$ 与 $^{14}\mathrm{C}$ 光子击中在空间和时间上强烈重叠的事件中，大幅改善了总电荷的分辨率。
| 评论： | 14 页，11 幅图。已被 Physical Review D 接收发表 |
| 主题： | 仪器与探测器（physics.ins-det）；人工智能（cs.AI）；高能物理 - 实验（hep-ex） |
| 引用为： | arXiv:2603.27727 [physics.ins-det] |
| （或 arXiv:2603.27727v2 [physics.ins-det] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.27727 arXiv 颁发的 DOI 经由 DataCite |
|
| 相关 DOI： | https://doi.org/10.1103/6d6b-yfxx
链接到相关资源的 DOI |
提交历史
来自：Junle Li [查看电子邮件]
[v1]
2026 年 3 月 29 日星期日 15:03:42 UTC（15,870 KB）
[v2]
2026 年 10 月 16 日星期五 12:28:01 UTC（16,065 KB）
来源：arXiv cs.AI · arxiv.org