論文の概要: Machine learning enables experimental access to photon-by-photon arrival times in scintillation detectors

• arxiv url: http://arxiv.org/abs/2605.27937v1
• Date: Wed, 27 May 2026 04:15:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.741432
• Title: Machine learning enables experimental access to photon-by-photon arrival times in scintillation detectors
• Title（参考訳）: 機械学習はシンチレーション検出器における光子毎光子到着時間への実験的アクセスを可能にする
• Authors: Yuya Onishi, Ryosuke Ota, Fumio Hashimoto, Kibo Ote, Go Akamatsu, Hideaki Tashima, Taiga Yamaya,
• Abstract要約: 優れたタイミング分解能を持つシンチレーション検出器は、ポジトロン放射トモグラフィーにおける放射線源のより正確な位置決めを可能にする。 ピコ秒スケールでのこのような応用に必要な極端タイミング精度では、検出器の性能は検出器内で発生するシンチレーション光子の微視的ダイナミクスによって制御される。 本研究では,この基本的な制限をディープラーニングを用いて克服し,個々の光子のタイミング情報に直接アクセスできるようにする。 我々は、推定光子レベルのタイミング情報に基づいて、時間分解能の向上、相互作用深度依存光子輸送の可視化、チェレンコフおよびシンチレーション光子を実験的に実証した。
• 参考スコア（独自算出の注目度）: 3.4711093499649217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scintillation detectors with excellent timing resolution enable more precise localization of radiation sources in positron emission tomography, leading to substantial improvements in diagnostic capability for diseases such as cancer and dementia. At the extreme timing precision required for such applications at the picosecond scale, detector performance is governed by the microscopic dynamics of scintillation photons generated within the detector and their subsequent detection processes. However, detector signals have conventionally been treated only as collective responses of many photons due to structural constraints inherent to photodetectors. In this study, we overcome this fundamental limitation using deep learning, enabling direct access to the timing information of individual photons. The proposed method estimates photon-by-photon arrival times directly from detector waveforms without requiring any modification to the detector structure; the method operates on an event-by-event basis without ground-truth labels by integrating an unsupervised learning framework with a physically informed detector-response model. Through comprehensive validation combining Monte Carlo simulation and experimental measurements across various detector configurations, we experimentally demonstrate improved timing resolution, visualized depth-of-interaction-dependent photon transport, and classified Cherenkov and scintillation photons based on the estimated photon-level timing information using a unified deep learning-based framework. These results provide experimental access to photon dynamics, bridging the gap between theoretical modeling and experimental observation, and they open a new data-driven pathway for discovery in detector physics and optimization.
• Abstract（参考訳）: タイミング分解能の優れたシンチレーション検出器は、ポジトロン放射トモグラフィーにおける放射線源のより正確な位置決めを可能にし、がんや認知症などの疾患の診断能力を大幅に向上させる。 ピコ秒スケールでのこのような応用に必要な極端タイミング精度では、検出器の性能は検出器内で発生したシンチレーション光子の微視的ダイナミクスと、それに続く検出プロセスによって制御される。 しかし、検出器信号は従来、光検出器に固有の構造的制約のため、多くの光子の集合反応としてのみ扱われてきた。 本研究では,この基本的な制限をディープラーニングを用いて克服し,個々の光子のタイミング情報に直接アクセスできるようにする。 提案手法は,検出器構造の変更を必要とせずに,検出器波形から直接光子同士の到着時間を推定する。この方法は,教師なし学習フレームワークと物理的に情報を得た検出器応答モデルを統合することにより,地絡ラベルを使わずにイベント・バイ・イベントベースで動作する。 モンテカルロシミュレーションと種々の検出器構成の実験的測定を組み合わせた総合的検証により, 改良されたタイミング分解能, 相互作用深度依存光子輸送, チェレンコフおよびシンチレーション光子を, 統合された深層学習フレームワークを用いて推定された光子レベルのタイミング情報に基づいて実験的に検証した。 これらの結果は光子力学への実験的アクセスを提供し、理論モデリングと実験観測のギャップを埋め、検出器物理学と最適化における発見のための新しいデータ駆動経路を開く。

関連論文リスト

• Spatially resolved photon statistics of general nanophotonic systems [0.0]
  本稿では、任意の電磁環境において、空間と周波数で解決された光子統計情報にアクセスする新しい方法を提案する。 マクロなQEDフレームワーク内では,複雑な量子系に対する電場相関を計算するための実用的なツールが開発されている。 本研究では, プラズモンナノ粒子に近接した1および2個のエミッタの光子相関について検討し, 提案手法の有効性とロバスト性を実証した。
  論文  参考訳（メタデータ） (2024-11-29T15:31:36Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Boosting Photon-Number-Resolved Detection Rates of Transition-Edge Sensors by Machine Learning [2.9829310103458186]
  遷移エッジセンサー(TES)は、非常に効果的な光子数分解(PNR)検出器である。 比較的遅い熱回復時間は、実験シナリオでの運用速度を著しく制限する。 我々は,検出イベント間の完全回復時間を待つことなく,TESが光子パルスを検出し,正確に分類できるアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-11-22T22:09:50Z)
• High-dimensional quantum correlation measurements with an adaptively gated hybrid single-photon camera [58.720142291102135]
  本研究では,高空間分解能センサと高時間分解能検出器を組み合わせた適応ゲート型ハイブリッド高分解能カメラ(HIC)を提案する。 空間分解能は9メガピクセル近く、時間分解能はナノ秒に近いため、このシステムは以前は実現不可能だった量子光学実験の実現を可能にする。
  論文  参考訳（メタデータ） (2023-05-25T16:59:27Z)
• Label-free timing analysis of SiPM-based modularized detectors with physics-constrained deep learning [9.234802409391111]
  モジュール化検出器のタイミング解析のためのディープラーニングに基づく新しい手法を提案する。 本稿では,提案手法が求める最適関数の存在を数学的に証明し,モデルのトレーニングと校正のための体系的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-24T09:16:31Z)
• Improving the Timing Resolution of Positron Emission Tomography Detectors Using Boosted Learning -- A Residual Physics Approach [0.4999814847776097]
  本研究は,機械学習(ML)と残差物理を用いた検出器最適化の新しい多用途手法を提案する。 ポジトロン・エミッション・トモグラフィー (PET) の概念を適用し, 一致時間分解能(CTR)の向上を目的とした。 臨床的に有意な19mmの検出器ではCTRを有意に改善し(20%以上)、185 ps (450-550 keV) のCTRに到達した。
  論文  参考訳（メタデータ） (2023-02-03T12:10:24Z)
• Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
  トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。 ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。 これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
  論文  参考訳（メタデータ） (2022-10-27T11:37:14Z)
• On-chip quantum information processing with distinguishable photons [55.41644538483948]
  多光子干渉は光量子技術の中心にある。 そこで本研究では,共振器型集積光子源に必要なスケールで変形した光子を干渉させるのに十分な時間分解能で検出を実装できることを実験的に実証した。 ボソンサンプリング実験において,非イデアル光子の時間分解検出がエンタングル操作の忠実度を向上し,計算複雑性の低減を図ることができることを示す。
  論文  参考訳（メタデータ） (2022-10-14T18:16:49Z)
• Unexpected detection rate dependence of the intrinsic detection efficiency in single-photon detectors based on avalanche diodes [0.0]
  単一光子検出器は、フォトニック量子技術において重要な要素である。 内在的検出効率は、パフォーマンスの適切な評価を保証するために最も重要です。
  論文  参考訳（メタデータ） (2021-12-20T16:17:22Z)
• Photon detection probability prediction using one-dimensional generative neural network [62.997667081978825]
  本論文では,OuterProduct-layer を用いて特徴を効率よく生成する一次元生成モデルを提案する。 このモデルは光子輸送シミュレーションをバイパスし、特定の光子検出器によって検出された光子の数をGeant4simulationと同じレベルで予測する。 この生成モデルは、ProtoDUNEやDUNEのような巨大な液体アルゴン検出器の光子検出確率を迅速に予測するために用いられる。
  論文  参考訳（メタデータ） (2021-09-11T01:43:12Z)
• Quantum metamaterial for nondestructive microwave photon counting [52.77024349608834]
  弱い非線形メタマテリアルに基づいてマイクロ波領域で動作する単一光子検出器の設計を提案する。 単光子検出の忠実度はメタマテリアルの長さとともに増加し,実験的に現実的な長さで接近することを示す。 光領域で動作する従来の光子検出器とは対照的に、光子検出により光子を破壊せず、光子波束を最小限に乱す。
  論文  参考訳（メタデータ） (2020-05-13T18:00:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。