Speaker
Yinhui Wu
(中国科学院高能物理研究所)
Description
JUNO实验采用光电倍增管（PMT）阵列进行中微子信号探测。在正常工作状态下，PMT的暗计数率保持相对稳定。当PMT出现异常发光现象时，会诱发周边PMT产生响应，导致虚假信号（本底噪声）的生成。为保障实验数据的可靠性，监测系统会实时检测各PMT的工作状态，一旦发现暗计数率异常，将立即关闭异常PMT，以避免其对周边探测单元造成干扰。
因此针对这一需求开发了一套融合时空特征的实时异常检测系统。该系统通过整合图神经网络（GNN）与长短期记忆网络（LSTM）的混合架构，实现了对PMT暗噪声计数率（DCR）的精准监测与异常预警。训练阶段首先构建时空协同的统一数据结构，引入通道级百分位点统计量替代单一阈值；随后通过KD树空间索引实现高效邻域查询，支持距离阈值与K近邻两种拓扑构建方法；最终设计LSTM-GNN混合自动编码器模型。实时检测模块采用双缓存流式处理机制：设计动态数据接口支持分钟级延迟处理，通过标准化的数据管道实时获取并处理PMT数据；创新性引入通道自适应阈值机制，结合历史百分位分布动态调整判定阈值。
该系统在保障时间完整性的前提下实现分钟级延迟响应，目前系统还在测试阶段，准备作为JUNO监测系统的子系统投入试运行。本研究提出的时空特征融合框架和轻量化实时处理算法，为大型粒子探测器监测提供了创新解决方案。
Primary author
Yinhui Wu
(中国科学院高能物理研究所)
