最近で ケーススタディ、私たちは Moku:Pro いわゆる「軽い」暗黒物質の探索において、このタイプの実験では、通常、室温の電子機器によって発生する膨大なノイズの中から、小さな信号、つまり「イベント」を探します。また、これらのイベントは予測できない間隔で発生するため、研究者はできるだけ多くのイベントを捉えるために、実験を常に監視する必要があります。各イベントの短い時間 (< 1 ミリ秒) と、各探索の長い時間スケール (約数分) を組み合わせると、研究者はしばしば数ギガバイトのデータをふるいにかけることになります。
Mokuデータファイルの変換
ロスアラモス国立研究所のポスドク研究員サミュエル・ワトキンス博士は、「狭ギャップ半導体による光暗黒物質の粒子の探索」またはSPLENDORと題する共同プロジェクトに取り組んでおり、この問題に対処するためのオープンソースソフトウェアを開発した。1ワトキンス博士はMoku:Proの柔軟性と性能を活用し、このデバイスのSPLENDAQと呼ばれる新しいデジタル取得ソフトウェアを開発しました。 Python APIMoku:Proデータロガー機器でデータを収集した後、ネイティブ .liファイル拡張子は.hdf5に変換できます 単一の Python コマンドでファイルを作成できます。SPLENDAQ はこれらの .hdf5 ファイルを分析に使用します。
カスタムPython APIでMokuを使用する
SPLENDAQは、これらの大きなファイルを調べて特定のイベントを検索します。通常は、入力電圧が所定のしきい値を超えたときに開始します。これは高振幅イベントには簡単に機能しますが、低振幅信号を回復するには、より慎重な分析を実行する必要があります。最初のステップは、Moku:Pro データロガー イベントのないデータ ストリームを取得することで、実験セットアップのバックグラウンド ノイズを「聞く」ことができます。次に、このデータ セットをフーリエ変換して、パワー スペクトル密度 (PSD)、つまり周波数の関数としてのノイズの分布を決定します。1 番目のステップは、イベントの形状関数またはテンプレートを SPLENDAQ に提供することです。この場合、イベントは、図 XNUMX に示すように、立ち上がり時間が速く、立ち下がり時間が遅い二重指数関数で表されます。
図１: SPLENDAQとMoku データロガーを使用したテストイベントの検出。図はプレプリントから転載2.
SPLENDAQに形状関数とPSD分布の両方が供給されると、入力データストリームを注意深く処理して、通常はノイズにかき消されてしまうような事象を回復することができます。Watkins博士は、かろうじて検出しきい値を超えた可能性のある事象がSPLENDAQ2によって回復されることを、論文で説明しています。
SPLENDAQはGitHubから自由に入手でき、Moku:Proデータロガーと同様に、暗黒物質（ダークマター）探索だけでなく、継続的なデータ取得が必要な様々なアプリケーションに使用できます！
arXivのSPLENDAQの論文は、こちらをご覧ください。
ご質問がある場合
ナレッジベースのFAQから回答を見つけてください
機器の機能や使い方についてご質問がある場合は、ナレッジベースをご覧ください。また、人気の記事をすばやく表示したり、製品やトピックで検索を絞り込むこともできます。
ユーザーフォーラムに参加してください
新機能のご提案がありますか？あるいは、ヒントを共有したいですか？ユーザーフォーラムでは、使用例、新機能の発表、製品のアップデートなど、Liquid Instrumentsとグローバルユーザーコミュニティとのつながりをワンストップで提供しています。
脚注
[1] レポート番号 LA-UR-24-20435.
[2] S.L. Watkins. SPLENDAQ: a detector-agnostic data acquisition system for small-scale physics experiments. arXiv:2310.01279 [physics.ins-det] (2023).
