最近のケーススタディでは、いわゆる「軽い」暗黒物質の探索におけるMoku:Proの使用に焦点を当てました。 この種の実験には、通常、室温の電子機器によって引き起こされる広大なノイズの海の中で小さな信号、つまり「イベント」を探すことが含まれます。 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捕捉するために常に実験を監視する必要があります。 各イベントの短い時間長 (< １ ミリ秒) と各検索の長い時間スケール (~分) の組み合わせにより、研究者はふるいにかけるべきギガバイトのデータを残されることがよくあります。
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であるSamuel Watkins博士は、"Search for Particles of Light Dark Matter with Narrow-gap Semiconductors"（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にオープンソースのソフトウェアを開発しました１。Watkins博士は、Moku:Proの柔軟性と性能を活用し、デバイスのPython APIを使用して、SPLENDAQとして知られるこの新しいデジタル収集ソフトウェアを作成した。Moku:Proデータロガー装置でデータを収集した後、ネイティブの.liファイル拡張子はPythonコマンド１つで.hdf5ファイルに変換できます。SPLENDAQはこの.hdf5ファイルを解析に使用します。
カスタムPython APIでMokuを使用する
SPLENDAQは、入力電圧が決められたしきい値を超えたときから始まる特定のイベントを検索するために、これらの大きなファイルを調べます。これは、高振幅のイベントには簡単に機能しますが、低振幅の信号を復元するには、より慎重な分析が必要です。第一のステップでは、Moku:Proデータロガーが、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」ようにします。このデータセットをフーリエ変換し、パワースペクトル密度（PSD）（周波数の関数としてのノイズ分布）を決定します。第二のステップは、SPLENDAQにイベントの形状関数（テンプレート）を提供することです。この場合、イベントは、図１に見られるように、速い立ち上がり時間と遅い立ち下がり時間を持つ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).
