Unsichtbares sichtbar machen: Wissenschaftler entwickeln neue Methode zur 3D-Verfolgung von Partikeln

Da die Detektoren größer werden, um die Empfindlichkeit zu verbessern, werden traditionelle Designs, die sich auf fein segmentierte Materialien verlassen, schwerer zu skalieren, was die Forscher dazu veranlasst, fundamental andere Ansätze zu erforschen.

Die meisten Teilchenphysikexperimente basieren auf der dreidimensionalen (3D) Verfolgung, die durch dichte Materialien wandern. In Scintillatoren geschieht dies typischerweise, indem das Material in viele kleine aktive Elemente unterteilt wird.

Jede Einheit emittiert sichtbares Licht, wenn sie wird. Dieses Licht wird dann an Photodetektoren wie Photomultiplier-Röhren oder Silizium-Photomultipliere gesendet.

Technik, Energie und Einsatz

Große Experimente verdeutlichen sowohl die Stärken als auch die Grenzen dieses Ansatzes. Im T2K-Neutrinooszillations-Experiment in Japan enthält ein Detektor etwa zwei Tonnen (rund 4.400 Pfund) aktives Material, das aus ungefähr zwei Millionen kleinen Würfeln und 60.000 Fasern besteht.

Am CERN und am Paul Scherrer Institut erreichen Experimente wie LHCb und Mu3e unter-Millimeter-Präzision mithilfe dünner schwummernder Fasern. Allerdings wird diese Segmentierungsstufe schwierig zu skalieren, wenn die Detektorvolumina zunehmen, was ein potenzielles Engpassproblem darstellt.

Ein Team Zürich und EPFL schlägt eine andere Strategie vor.

Was die Studie zeigt

Forscher, darunter Doktorand Till Dieminger, leitende Wissenschaftlerin Dr Saúl Alonso-Monsalve, Professor Davide Sgalaberna und Mitarbeiter des Advanced Quantum Architecture Lab der EPFL unter der Leitung, haben einen Prototyp-Detektor entwickelt und getestet, der ultraschnelle, hochauflösende 3D-Bilder ßen, unsegmentierten Szintillatorvolumina erfassen kann.

Ihre Ergebnisse, zusammen mit detaillierten Simulationen, wurden kürzlich in Nature Communications veröffentlicht. Bekannte Werkzeuge mit neuen Augen Der neue Ansatz ist.

Diese Geräte zeichnen nicht nur die Intensität des Lichts auf, sondern auch seine Richtung, was die Rekonstruktion öglicht. Dies wird mithilfe eines Mikro-Linsen-Arrays (MLA) erreicht, das zwischen der Hauptlinse und dem Sensor platziert ist.

Jede winzige Linse erfasst eine leicht

Jede winzige Linse erfasst eine leicht andere Ansicht und ermöglicht so die Rekonstruktion des gesamten Lichtfeldes. In Kombination mit Single-Photon Avalanche Diode (SPAD)-Sensoren kann diese Technik Partikel in 3D verfolgen, selbst wenn nur sehr wenige Photonen detektiert werden.

Trotz dieses Potenzials wurde die Lichtfeld-Bildgebung bisher nicht zur Partikelverfolgung eingesetzt. Im Rahmen des vom Swiss National Science Foundation geförderten PLATON-Projekts bauten das Team der ETH Zurich und EPFL einen funktionierenden Prototyp auf Basis dieses Konzepts.

Das System kombiniert eine MLA mit einem SPAD-Sensor namens SwissSPAD2, der an der EPFL entwickelt wurde. Die MLA wurde integriert.

Ein Schlüsselmerkmal von SwissSPAD2 ist die

Ein Schlüsselmerkmal von SwissSPAD2 ist die gated photon detection, die Signale innerhalb spezifischer Zeitfenster aufzeichnet. Dies hilft, echte Photonen-Signale.

PLATON wird getestet. Das Team evaluierte die Leistung des Prototyps unter Laborbedingungen und maß die räumliche Auflösung bei Lichtstärken, die hin zu nur fünf detektierten Photonen reichten.

Sie testeten auch seine Fähigkeit, Elektronenbahnen in einem Kunststoff-Szintillator mithilfe einer Strontium-90-Quelle zu rekonstruieren. In allen Fällen stimmten die experimentellen Ergebnisse eng mit den Simulationen überein.

Was die Studie zeigt

Diese ersten Tests haben bereits Planungen für Verbesserungen geleitet. Die Forscher entwickeln einen neuen SPAD-Sensor mit höherer Detektionseffizienz und der Fähigkeit, einzelnen Photonen präzise Zeitstempel mit subnanosekunden Auflösung zuzuweisen.

Sie verfeinern auch das Kameradesign, um sein Sichtfeld zu erweitern und die Lichtsammlung zu verbessern. Simulationen deuten darauf hin, dass diese Upgrades die räumliche Auflösung weiter verbessern werden.

Simulierte Szenarien Zusätzliche Simulationen untersuchen, wie ein aufgerüstetes PLATON-System bei der Neutrinoerkennung funktionieren könnte. Diese Studien beinhalten fortschrittliche Bildverarbeitung mithilfe eines neuronalen Netzwerks, das auf einer Transformer-Architektur basiert, ähnlich denen, die in großen Sprachmodellen verwendet werden.

Moegliche Anwendungen

Dieses Netzwerk kann Muster und Korrelationen unter den erkannten Photonen identifizieren. Die Ergebnisse zeigen, dass das System eine räumliche Auflösung 1 Millimeter (etwa 0,04 Zoll) in einem nicht segmentierten Volumen von (10 ×10 ×10)cm³ erreichen könnte.

Es könnte auch Neutrino-Wechselwirkungen mit niederenergetischen Protonen mit hoher Genauigkeit identifizieren. Für größere Detektoren modellierte das Team ein System (etwa 35 Kubikfuß) unter Verwendung einer vereinfachten Photonenquelle.

Selbst in diesem Fall deuten Simulationen auf eine Auflösung, vergleichbar mit dem aktuellen Stand der Technik bei Szintillatordetektoren. Mit weiteren Verbesserungen erwarten die Forscher eine submillimetergroße Leistung in Volumina größer als 1m³.

Moegliche Anwendungen

Zukünftige Pläne Die potenziellen Anwendungen reichen über die Teilchenphysik hinaus. Das Team glaubt, dass ihr plenoptisches System auch die Bildgebung in anderen Bereichen verbessern könnte.

Dieminger, Alonso-Monsalve und Sgalaberna haben bereits drei Patente im Zusammenhang mit PLATON für die Verwendung in der Positronen-Emissions-Tomographie (PET) angemeldet. Diese behandeln sowohl das Scanner-Design als auch die Bildverarbeitungsmethoden, einschließlich des neuronalen Netzwerks.

Die Teilchenphysik hat eine starke Erfolgsbilanz bei der Entwicklung, vom World Wide Web bis zur Protonentherapie. PLATON könnte ein weiteres Beispiel für diesen Trend werden.

Referenz: "An ultrafast plenoptic-camera system for high-resolution 3D particle tracking in unsegmented scintillators", Saúl Alonso-Monsalve, Christoph Alt, Claudio Bruschini, Noemi Buhrer, Edoardo Charbon, Kodai Kaneyasu, Tim Weber, Matthew Franks und Davide Sgalaberna, 21. März 2026, Nature Communications.