드리프트 챔버 트랙 재구성을 위한 공개 데이터셋 DCTracks

본 논문은 고정밀 입자 물리 실험에서 핵심적인 역할을 하는 드리프트 챔버의 트랙 재구성 연구를 촉진하기 위해, BESIII 실험에 사용되는 다중층 원통형 드리프트 챔버(MDC)를 모델링한 Monte‑Carlo 데이터셋 DCTracks를 공개한다. 서론에서는 고에너지·저에너지 실험 모두에서 트랙 재구성 정확도, 처리 속도, 로버스트성 확보가 필수적이며, 기존 전통 알고리즘은 복잡한 배경·노이즈 환경에서 한계가 있음을 지적한다. 머신러닝, 특히 그래프 신경망(GNN)이 엔드‑투‑엔드 방식으로 히트‑레벨부터 트랙 파라미터까지 직접 학습할 수 있는 잠재력을 가지고 있지만, 공개 데이터셋과 표준화된 평가 지표가 부족해 비교·재현이 어렵다는 문제를 제시한다. 관련 연구 섹션에서는 LHC‑계열 TrackML, ColliderML 등 대규모 고밀도 데이터셋과, 이들이 주로 높은 pile‑up 환경에 초점을 맞추고 있음을 설명한다. 반면, BESIII와 같은 τ‑charm 팩토리 실험은 낮은 배경·낮은 트랙 멀티플리시티, 저‑p_T 트랙 정밀 측정이 핵심이므로 별도의 데이터셋이 필요함을 강조한다. 다음으로 MDC의 구조를 상세히 소개한다. 전체 길이 2400 mm, 반경 59–800 mm, 43 레이어(11 슈퍼레이어)로 구성된 6796 셀을 갖으며, 1 T 자기장과 헬륨 기반 가스를 사용한다. 설계된 공간 해상도는 130 µm, 전이 모멘텀 해상도는 0.5 %@1 GeV/c이다. 이러한 물리적 특성을 그대로 반영하기 위해 GEANT4 기반 전폭 시뮬레이션을 BOSS 프레임워크와 연동해 이벤트를 생성한다. 데이터셋 생성은 두 종류의 이벤트로 구성된다. (1) 단일 트랙 이벤트는 e±, μ±, π±, K±, p/ p̄ 6종을 포함하고, p_T 0.15–1.5 GeV/c, |cos θ|<0.93, φ∈