基于电荷分配方法的暗物质粒子探测卫星硅阵列探测器的电荷重建

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1738133
  • 项目类别:
    联合基金项目
  • 资助金额:
    55.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A1503.恒星晚期演化及爆发、致密天体及其相关高能过程
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Silicon-Tungsten Tracker (STK) is one of the 4 subdetectors of DArk Matter Particle Explorer (DAMPE). It can measure the trajectory and the charge for incident ions. STK has 12 layers of silicon microstrip detectors with good energy resolution, leading to precise measurements of ion charges. This is very important to the study of cosmic rays for DAMPE. Compared to the traditional charge reconstruction method (e.g. AMS-02 and AGILE), the charge sharing method has better performance for large inclinations and also provides quality estimators and abnormal exclusion for charge reconsruction.
硅阵列探测器(STK)是暗物质粒子探测卫星的4个载荷之一,主要功能是测量入射粒子的径迹以及入射粒子的电荷量。由于硅微条探测器有极高的本征能量分辨,而且硅阵列探测器拥有12层硅微条探测器,所以能够提供极为准确的带电粒子的电荷信息,是暗物质粒子探测卫星研究宇宙线物理的基本前提。基于电荷分配的电荷重建方法相较于传统的电荷重建方法(如AMS-02和AGILE),不仅能够更好的重建大角度事件,还能评估每次的电荷重建质量,排除异常事件的干扰。

结项摘要

暗物质粒子探测卫星(Dark Matter Particle Explorer; DAMPE)是我国首颗空间天文卫星并于2015年12月17日成功发射。暗物质粒子探测卫星的研究方向主要是暗物质粒子的间接探测、宇宙线的测量以及伽马射线天文。硅阵列探测器是暗物质粒子探测卫星的四个载荷之一,由768片硅微条探测器组成,用于测量带电粒子的径迹和电荷。.虽然硅微条探测器拥有很高的本征能量分辨,但是由于硅探测器表面被切割成中心间距为121微米的探测单元,所以斜入射的带电粒子会同时穿过多个探测单元,造成复杂的信号响应,信号离散高达35%。因此,为了取得高电荷分辨,通过算法来校正此复杂响应至关重要。.基于电荷分配的硅阵列探测器电荷重建方法是一种基于硅微条内在信号响应的电荷重建方法。这个方法把硅微条信号响应分解为:带电粒子在径迹附近电离出许多电子空穴对、电子空穴对在灵敏区电场中漂移和收集、收集的电量在硅微条等效电容网络中分配。.本项目主要从四个方面来开展研究:.1、对硅微条探测器进行电性测量,包括微条的体电容、条间电容、耦合电容、偏压电阻、微条电阻等,为下一步仿真提供输入参数。.2、建立硅微条等效电容网络模型,仿真硅微条探测器的电荷响应,包括电荷收集效率与入射位置的关系,并与束流实验的实测值进行对比。确认电荷分配原理的正确性。.3、基于电荷分配原理推导电荷重建算法,并应用于束流实验数据。对于垂直入射数据,新的电荷重建算法的电荷分辨与传统电荷算法相当;对于统计量较低的斜入射数据,传统电荷算法无法标定,而新的电荷重建算法成功完成电荷重建,且电荷分辨与垂直入射相当。.4、把电荷重建算法应用到暗物质粒子探测卫星在轨数据。最终重建后的质子、氦和锂的电荷分辨分别为0.038、0.052和0.066个电荷单位。.基于电荷分配的电荷重建算法成功实现了硅径迹探测器的电荷重建,为暗物质粒子探测卫星研究宇宙线提供基础工具。此外,此算法不局限于暗物质粒子探测卫星的硅微条探测器,只需要正确配置等效电容网络的参数,即可应用于其他空间项目的硅微条探测器的电荷重建。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
A charge reconstruction algorithm for DAMPE silicon microstrip detectors
DAMPE硅微带探测器的电荷重构算法
  • DOI:
    10.1016/j.nima.2019.04.036
  • 发表时间:
    2019-08
  • 期刊:
    Nuclear Instruments and Methods in Physics Research Section A
  • 影响因子:
    --
  • 作者:
    Qiao Rui;Peng Wen Xi;Ambrosi G;Asf;iyarov R;Azzarello P;Bernardini P;Bertucci B;Bolognini A;Cadoux F;Caprai M;Cui Xing Zhu;Dai Guang Qi;Domenjoz M;Dong Yi Fan;Duranti M;Fan Rui Rui;Fusco P;Gallo V;Gao Min;Gargano F;Garrappa S;Gong Ke;Guo Dong Ya;Husi C
  • 通讯作者:
    Husi C
A charge sharing study of silicon microstrip detectors with electrical characterization and SPICE simulation
基于电特性和 SPICE 仿真的硅微带探测器的电荷共享研究
  • DOI:
    10.1016/j.asr.2019.07.005
  • 发表时间:
    2019-12
  • 期刊:
    Advances in Space Research
  • 影响因子:
    2.6
  • 作者:
    Rui Qiao;Wen-Xi Peng;Xing-Zhu Cui;Guang-Qi Dai;Yi-Fan Dong;Rui-Rui Fan;Min Gao;Ke Gong;Dong-Ya Guo;Xiao-Hua Liang;Ya-Qing Liu;Huan-Yu Wang;Jin-Zhou Wang;Di Wu;Jia-Wei Yang;Fei Zhang;Hao Zhao
  • 通讯作者:
    Hao Zhao
A machine learning method to separate cosmic ray electrons from protons from 10 to 100 GeV using DAMPE data
使用 DAMPE 数据将 10 至 100 GeV 的宇宙射线电子与质子分离的机器学习方法
  • DOI:
    10.1088/1674-4527/18/6/71
  • 发表时间:
    2018-03
  • 期刊:
    Research in Astronomy and Astrophysics
  • 影响因子:
    1.8
  • 作者:
    Zhao Hao;Peng Wen-Xi;Wang Huan-Yu;Qiao Rui;Guo Dong-Ya;Xiao Hong;Wang Zhao-Min
  • 通讯作者:
    Wang Zhao-Min

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

The Myocardial CT Imaging Characteristics of Patients with COVID-19 Combined with Hypertension/ 新型冠状病毒肺炎合并高血压患者心肌CT影像学特点分析
COVID-19合并高血压患者的心肌CT影像特征/
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    --
  • 作者:
    沈国秀;顾崇怀;孙爱娇;乔锐;徐健
  • 通讯作者:
    徐健
DAMPE silicon tracker on-board data compression algorithm
DAMPE 硅跟踪器板载数据压缩算法
  • DOI:
    10.1088/1674-1137/39/11/116202
  • 发表时间:
    2015-03
  • 期刊:
    International Journal of Biological Macromolecules
  • 影响因子:
    8.2
  • 作者:
    董亦凡;张飞;乔锐;彭文溪;樊瑞睿;龚轲;吴帝;王焕玉
  • 通讯作者:
    王焕玉

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

乔锐的其他基金

用于空间科学的硅微条探测器的研究
  • 批准号:
    11403025
  • 批准年份:
    2014
  • 资助金额:
    28.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码