다채널 탐색 민감도 최적화 방법

초록

본 논문은 다중 채널(다중 히스토그램)에서 새로운 신호를 탐색할 때의 민감도 정의를 확장하고, 최적의 실험 설계를 위한 목표함수(FOM)를 폐쇄형으로 유도한다. 단순 포아송 카운팅 실험에서 알려진 결과를 일반화하고, 평탄한 배경 위에 가우시안 신호가 겹치는 경우에도 적용 가능한 식을 제시한다.

상세 분석

Punzi가 제안한 “민감도” 개념을 다채널 포아송 모델에 그대로 적용함으로써, 기존 단일 채널에서 사용되던 근사식(ε·b²+2a·p·B 등)을 다변량 형태로 일반화하였다. 핵심은 귀무가설 H₀(μ=0)와 대립가설 Hₘ(μ≠0) 사이의 검정력을 1–β(μ) > CL 로 정의하고, 이를 최대로 만드는 실험 파라미터 t를 찾는 것이다. 다채널 경우 각 채널 i는 효율 ε_i(t)와 배경 b_i(t)로 기술되며, 전체 관측치는 N개의 정수 {k_i} 로 표현된다. Fisher 점수 S_F=∂logL/∂μ|_{μ=0} 를 검정통계량으로 채택하고, 다수의 포아송 항의 선형 결합이므로 중심극한정리에 의해 정규분포로 근사한다. 이때 평균과 분산은 각각 Σ ε_i·b_i 와 Σ ε_i²·b_i 로 나타난다. 검정 임계값은 a·√(Σ ε_i²·b_i) 로 설정하고, 검정력 식을 전개하면 최종적으로

A·μ ≥ a·√A + b·p·A + B·μ

와 같은 마스터 방정식이 도출된다. 여기서 A=Σ ε_i²·b_i, B=Σ ε_i³·b_i²이며, a와 b는 각각 선택된 유의수준 α와 신뢰수준 CL에 대응하는 가우시안 시그마 수이다. 이 방정식을 μ에 대해 풀면 2차 방정식 형태가 되며, 근사적으로 b≈a 를 적용하면 μ에 대한 최소 검출 한계가

μ_min ≈ (a·√A + a²·B/A) / A

가 된다. 따라서 최적화 목표함수(FOM)는

FOM = A² / A^{3/2} + a·B/2 = (Σ ε_i²·b_i)^{1/2} + (a/2)·(Σ ε_i³·b_i²)/(Σ ε_i²·b_i)

와 같이 정의된다. 이 식은 신호 크기 σ(m)와 무관하게 오직 효율과 배경에만 의존하므로, 실험 설계 단계에서 채널별 효율을 높이거나 배경을 낮추는 방향으로 최적화가 가능함을 보여준다.

특히, 연속적인 가우시안 신호가 평탄한 배경 위에 겹치는 경우를 다루면서, ε_i를 가우시안 밀도에 비례하도록 설정하고, 배경을 β(t)·σ 폭의 평탄 분포로 모델링한다. 적분을 수행하면 A와 B가 각각 ε(t)·√(π/2)·β(t)와 ε(t)·(π/2)·β(t)² 형태가 되며, 최종 FOM은

FOM ≈ ε(t)·a/2 + p·2·66·β(t)

와 같이 간단히 표현된다. 이는 단일 채널에서 B(t)·≈2·66·σ 윈도우 내 배경 이벤트 수와 동일한 형태임을 확인할 수 있다. 전체적으로 논문은 다채널 실험 설계 시 민감도 최적화를 정량적으로 수행할 수 있는 실용적인 프레임워크를 제공한다.