KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-19
Unterdrückung von $^{14}\mathrm{C}$-Photonentreffern in großen Flüssigszintillator-Detektoren durch raumzeitliches Deep Learning
Originaltitel: Suppression of $^{14}\mathrm{C}$ photon hits in large liquid scintillator detectors via spatiotemporal deep learning
In Flüssigszintillator-Neutrinodetektoren verunreinigen Photonen aus dem Betazerfall von ¹⁴C das Signal und verschlechtern die Energieauflösung. Die Autoren schlagen drei Modelle vor, ein gesteuertes raumzeitliches Graph-Neuronales-Netz und zwei Transformer-basierte Modelle, um ¹⁴C-Photonentreffer in Positronenereignissen mit ¹⁴C-Pile-up zu markieren. Auf simulierten Testdaten markierten sie 25–48 % der ¹⁴C-Treffer, während Positronentreffer zu weniger als 1 % fälschlich als ¹⁴C identifiziert wurden, was die Auflösung der Gesamtladung dort erheblich verbesserte, wo sich beide in Raum und Zeit stark überlappen.