使用神经网络集群分析改进基于事件的电子探测器的时间分辨率

科学领域:

• 物理 物理学 物理
• 材料科学 材料科学 材料科学
• 仪器化 仪器化 仪器化

背景情况:

• 电子显微镜对于超快的动态研究需要高时间分辨率.
• 现有的基于事件的探测器有可能提高计时精度.
• 时间Pix3架构是先进电子检测的一个有前途的平台.

研究的目的:

• 为了描述基于TimePix3的电子探测器的计时精度.
• 为了提高超快电子显微镜的时间分辨率.
• 开发一种用于精确预测电子到达时间的方法.

主要方法:

• 作为时间参考,利用了秒电子脉冲列车.
• 在由单个电子触发的事件集群的大数据集上训练了一个神经网络.
• 应用训练网络来预测和纠正电子到达时间.

主要成果:

• 对于事件集群,实现了2纳秒的时间分辨率.
• 与集群平均时间相比,表现出1.6倍的改善.
• 验证了神经网络在提高定时精度方面的有效性.

结论:

• 开发的方法显著提高了电子显微镜中的电子定时精度.
• 这种方法适用于各种快速电子探测器,可能达到亚纳秒分辨率.
• 为推进超快电子显微镜应用提供了一个有前途的解决方案.