고속 이벤트 카운트율을 위한 통계적 시간 분석 기법

초록

**
본 논문은 전자계통의 데드타임·펄스 중첩·노이즈 등으로 인한 시스템 오류를 최소화하기 위해, 이벤트 간 시간 간격에 임계시간 (t_0) 을 적용한 통계적 분석 방법을 제시한다. 임계시간을 변화시키며 카운트율을 추정하는 “컷오프 스캔”을 통해 최적의 (t_0) 값을 찾고, 데드타임 보정·상관 효과·배경 버스트를 정량적으로 평가한다. 트로이츠크 nu‑mass 와 TRISTAN 실험 데이터에 적용한 결과, 기존 히스토그램 방식보다 시스템 편향을 크게 감소시키고, 통계적 불확실성도 정확히 추정할 수 있음을 보였다.

**

상세 분석

**
본 연구는 포아송 과정에서 기대되는 지수분포 (p(t)=\mu e^{-\mu t}) 를 기반으로, 실제 측정에서 발생하는 짧은 시간대의 왜곡(데드타임, 애프터펄스, 고주파 노이즈 등)을 제거하기 위해 임계시간 (t_0) 을 도입한다. (t>t_0) 인 구간만을 사용하면 확률밀도함수는 (p^*(t)=\mu e^{\mu t_0}e^{-\mu t}) 가 되며, 로그우도함수의 최대화는 (\mu = \frac{N}{T - N t_0}) (또는 (\tau = \frac{T - N t_0}{N}))라는 간단한 형태를 만든다. 여기서 (N) 은 (t_0) 이상의 인터벌 수, (T) 는 그 합계 시간이다.

핵심은 (t_0) 값을 스캔하면서 (\mu(t_0)) 곡선을 얻는 “컷오프 스캔”이다. 곡선의 급격한 상승 구간은 데드타임(≈6 µs)과 그보다 큰 상관 효과(≈6–15 µs)를 드러낸다. 이 구간을 피하고 평탄한 영역을 선택하면 시스템 편향을 최소화하면서 통계적 오차만이 남는다. 통계적 오차는 (\sigma_\mu/\mu = 1/\sqrt{N}) 로 그대로 유지되며, (t_0) 증가에 따라 데이터 손실 비율 (\sqrt{N_{\text{before}}/N_{\text{after}}}) 로 보정된다.

데드타임이 정확히 알려지지 않은 경우에도 (t_0) 을 데드타임보다 약간 크게 잡으면, 하드웨어 특성에 의존하지 않는 보정이 가능하다. 또한, 앞뒤 순서로 인터벌을 계산해 “포워드/백워드” 분석을 병행하면 비대칭적인 상관 효과를 탐지할 수 있다.

논문은 트로이츠크 nu‑mass 실험(15 kHz, 데드타임 ≈6.5 µs)과 차세대 TRISTAN 프로토타입(데드타임 ≈3 µs) 데이터에 적용하였다. 컷오프 스캔을 통해 최적 (t_0) 를 15 µs로 설정하면, 데드타임 보정에 따른 시스템 편향이 거의 사라지고, 통계적 오차는 약 1 % 수준으로 유지된다. 또한, 전자 트랩·전기 방전으로 발생하는 짧은 버스트 노이즈를 (t_0) 필터링으로 효과적으로 제거하였다.

이 방법은 히스토그램 기반 피팅보다 비선형 최적화와 빈도화 오류를 회피하고, 베이지안 사전분포를 도입하면 “소프트” 컷오프도 구현 가능하다는 장점을 가진다. 다만, 기본 가정이 (t>t_0) 구간의 독립적인 포아송성임을 잊으면 안 되며, 다중 지수분포나 복합 상관 구조가 강한 경우에는 별도의 모델링이 필요하다.

**