超高精度的时空信号探测在科研、国防及民用上有着重要应用价值和广泛应用前景。对于event-by-event信号记录探测器，当多个信号在较短时间内“同时”到达探测器“同一位置”时，探测器无法有效识别定时，是多信号关联探测领域的技术瓶颈。高亮度上海软X射线自由电子激光单脉冲可以产生多个反应产物（多信号），为解决相应的探测难题，上海科技大学大科学中心研究人员提出“AI for facility”理念，开发了基于神经网络深度学习处理信号的探测器。近日，相关成果以“Timing discrimination of multiple photoelectron signals based on a convolutional neural network”为题在线发表于国际学术期刊Physical Review Applied。
本工作针对原子分子反应成像实验站（AMO实验站）的快速模数转换器（FADC）和延迟线探测器，基于卷积神经网络发展了一种能够对多个光电子临近到达探测器时产生的混叠电信号进行定时甄别的新方法，简称为“CNN-based PSTD”（图1）。该方法同时设计了信号分类器（Signals Classifier）和双击信号定时甄别器（Double-hit Signals Timing Discriminator）。信号分类器将原始信号分类为噪音、单击信号和双击混叠信号。对于分类结果为双击的信号，使用双击信号定时甄别器判定输出先后两个定时点。
图1 CNN-based PSTD方法技术路线图
研究人员基于原子光电离实验进行验证，对比了硬件恒比定时（CFD）、软件恒比定时（Soft-CFD）以及CNN-based PSTD三种方法对于原子光电离实验中电子探测端双击事件的甄别效果。在文中所述实验条件下，通过采用CNN-based PSTD方法，延迟线探测器对背向探测器的慢电子探测效率相比采用恒比定时提升了约20%，探测器的“通道死时间”减小了近一个数量级，极大地提升了探测器的探测效率和精度。
未来，CNN-based PSTD方法可拓展至其它通过对电信号甄别、且类似采用“counts by counts”计数方式工作的探测器，如闪烁体探测器等。该方法也有望应用于纳米测厚、快速测量跟踪超音速飞行物等更广泛的军民场景。
本研究由上海科技大学江玉海教授课题组等联合中国科学院上海高等研究院等单位完成。上海科技大学大科学中心工程博士郭海龙为论文第一作者，上海科技大学江玉海教授、沈镇捷助理研究员与王新成研究员为通讯作者。
论文链接：DOI: https://doi.org/10.1103/3d7j-3s31
沪公网安备 31011502006855号