摘要
镉锌碲（CZT）探测器具有多功能性、操作简便以及可在室温下进行X射线和γ射线光谱分析的特点，因此在强子对撞机应用中极具吸引力，但其在高通量条件下的使用仍受到限制。在此，我们报告了一项初步的基于特征分析的脉冲波形分析方法，采用机器学习手段对意大利国家研究委员会（INFN）弗拉斯卡蒂国家实验室DAΦNE束流测试装置上使用准半球形CZT探测器所采集的数据进行分析。一束300 MeV的电子束轰击铅靶，产生了特征性的铅X射线，以及一直延伸到正负电子湮灭区域的宽背景。从记录的波形中提取了基于物理动机的时间特性和形态特征，并将其用于区分正常的类光子脉冲与异常事件。一个在10,000个标记波形上训练并验证的XGBoost分类器达到了约97%的准确率，而大部分分类性能仅需数百个标记样本即可实现。将训练好的模型应用于超过700,000个事件，显著减少了谱线连续本底和符合峰，同时保留了特征性的铅X射线谱线，直至511 keV湮灭峰。这些初步结果表明，机器学习辅助的脉冲波形甄别技术在对撞机环境中改进CZT光谱分析具有巨大潜力。
