1.1 用TTree 结构存储事件数据
1. 目的
- 理解核物理实验中“事件（Event）”的概念。
- 掌握如何利用 Monte Carlo 方法模拟粒子探测过程。
- 学习将数据以 TTree 格式存储到 ROOT 文件中。
2、 实验设置与物理原理
束流入射到靶上产生核反应，生成中子和$\gamma$ flash。这些次级粒子飞行一段距离后，击中一个长条型塑料闪烁体探测器。
2.1. 几何设置
- 束流：沿 $y$ 轴射入，打在靶点 ($0,0$) 上。
- 探测器：长条形塑料闪烁体。
- 位置：中心位于 $(0, D)$，即距靶点垂直距离为 $D$。
- 尺寸：长 $2L$，厚度 $T$（忽略宽度）。
- 坐标系：探测器沿 $X$ 轴放置。粒子击中位置 $x \in [-L, L]$。
- 粒子可能在探测器厚度范围内任意深度 $y' \in [-T/2, T/2]$ 发生反应。
2.2. 信号读出
探测器两端分别用光电倍增管（PMT）读出信号，定义为 Left (图中u) 和 Right (图中d) 端。
- Time：记录信号到达时间 ($t_L, t_R$)。
- Charge：记录沉积能量 ($q_L, q_R$)。
2.3. 物理公式
A. 飞行时间 (TOF)
粒子从靶点飞到反应点 $(x,D+y')$ 的真实距离： $$ d = \sqrt{x^2 + (D+y')^2} $$
- Gamma ($\gamma$)：以光速 $c$ 飞行。 $$ \text{TOF}_\gamma [\text{ns}]\approx 3.33* d(\text{m}) $$
- 中子 ($n$)：非相对论近似，能量 $E_n$ (MeV)。 $$ \text{TOF}_n [\text{ns}] \approx 72.3 \times \frac{d [\text{m}]}{\sqrt{E_n [\text{MeV}]}} $$
B. 探测器时间响应
光在闪烁体中传输速度为 $v_{sc}$。
$$ t^{(0)}_L = \text{TOF} + \frac{L+x}{v_{sc}} + t_{0L} $$ $$ t^{(0)}_R = \text{TOF} + \frac{L-x}{v_{sc}} + t_{0R}$$
其中 $t_{0L}$,$t_{0R}$：读出各通道的所有固定时间延迟（线缆、PMT 渡越时间、电子学固有延迟）；$\sigma_t$为时间分辨率 。
C. 探测器能量响应
中子探测中的能量转换： 在塑料闪烁体探测中子时，由于中子不带电，其探测过程主要依赖于中子与闪烁体内氢原子核的弹性散射（$n+p\rightarrow n+p$ 弹性散射）。其能量响应过程可分为以下几个阶段：
能量传递过程 入射中子的能量通过碰撞部分地传递给闪烁体内的质子。由于中子与质子的质量几乎相等，在一次弹性散射中，反冲质子获得的最大能量 $E_{p\_max}$ 等于中子的入射能量 $E_n$： $$E_{pmax} = E_n$$ 在质心系各向同性散射的近似下，反冲质子的能量 $E_p$ 在 $0$ 到 $E_{p\_max}$ 之间呈均匀分布。质子随后在闪烁体内通过电离和激发过程损失能量，并最终转化为闪烁光信号。
电离猝灭效应（Quenching Effect） 由于闪烁体的发光过程存在“电离猝灭效应”，其发光强度具有明显的粒子相关性。对于具有相同沉积能量的不同粒子，质子产生的总光量远小于电子。 为了定量描述这种差异，实验上引入了电子等效能量 $E_{ee}$ (MeVee) 的概念。在该定义下，闪烁体的发光强度与该粒子的 $E_{ee}$ 成正比（即 $1 \text{ MeV}$ 的电子产生的发光量定义为 $1 \text{ MeVee}$）。
质子光输出的经验模型 对于 0-50 MeV 范围内的反冲质子，其电子等效能量 $E_{ee}$ 与质子实际沉积能量 $E_p$ 之间的转换遵循如下经验关系（Cecil 公式）： $$E_{ee} = a E_p - b \left[ 1 - \exp(-c E_p^d) \right]$$ 本练习用下面一组参数演示非线性光输出；它们不是各种塑料闪烁体通用的刻度参数： $a = 0.83, b = 2.82, c = 0.25, d = 0.93$
闪烁体发光强度
$$ Q \propto E_{ee}$$
光传输遵循指数衰减，衰减长度为 $\lambda$。 $$ q_L = Q/2 \cdot e^{-(L+x)/\lambda} + \text{Gaus}（0，\sigma_{qL}） $$ $$ q_R = Q/2 \cdot e^{-(L-x)/\lambda} + \text{Gaus}（0，\sigma_{qR}）$$ 其中 $\sigma_{q_{L/R}} = q_{L/R}\cdot R/2.355$, $R=\Delta E/E = 2.355\cdot \sigma_E /E$ 为相对能量分辨率 。
在闪烁体探测器系统中，实验测量到的信号电荷量并非直接等于物理上的发光量 $q_L$ 和 $q_R$，而是经过了光电倍增管（PMT）的增益和后端读出电路（放大器、ADC等）的转换。
为了从测量值中还原出能量信息 $Q$，需要在原有的物理模型中加入刻度系数。
实际观测到的实验信号 $A_L$ 和 $A_R$（例如 ADC 道址）与理论光量 $q_L$、$q_R$ 的关系为： $$ A_L = g_L \cdot q_L $$ $$ A_R = g_R \cdot q_R $$
D. 阈值 (Threshold)：
设置电子学阈值 $A_{th}$。仅当两端信号幅度均超过阈值（$A_L>A_{th}$ 和 $A_R>A_{th}$）时，该事件被记录。
E. 时间分辨与信号幅度的关系
闪烁体+PMT的时间分辨率 $\sigma_t$ 并不是一个常数，而与信号幅度的大小相关。一般情况下幅度越小，时间分辨越差。
经验描述公式为： $$\sigma_{t}^2 = \sigma_{\text{floor}}^2 + \frac{\sigma_{\text{stat}}^2}{A} + \frac{\sigma_{\text{noise}}^2}{A^2}$$
- $\sigma_{\text{floor}}$ (固有项)：系统能达到的极限分辨，由 PMT 渡越时间散布 (TTS) 和电子学精度决定。
- $\sigma_{\text{stat}}/\sqrt{A}$ (统计项)：
- $\sigma_{\text{noise}}/A$ (电子学抖动项)：
E. Time-Walk Effect
原理： 在实验中，电子学通常使用固定阈值甄别器 (Leading Edge Discriminator) 来确定信号到达的时间。即当模拟信号的幅度超过设定的阈值电压 ($V_{th}$) 时，逻辑信号被触发。 由于探测器输出信号有一定的上升时间 (Rise Time)，大幅度信号比小幅度信号更早达到阈值。 这种信号幅度 ($A$) 对测量时间 ($t$) 的影响称为 Time-Walk。
模拟公式： 通常可以用与电荷量相关的反比函数来近似这种延迟： $$t_{walk} \approx \frac{W}{\sqrt{A}}$$ 其中 $W_A$ 是与电子学上升时间相关的常数。
F. 最终测量时间
在真实的核物理实验中，探测器两端的光电倍增管（PMT）和电子学逻辑通常存在性能差异。这意味着左端（Left）和右端（Right）的 Time-Walk 系数 $W_L$ 与 $W_R$ 并不相等。 综合考虑理想时间、时间分辨与幅度的关系以及walk效应，最终记录到 Tree 中的时间为： $$\sigma_{t_{L/R}} = \sqrt{\sigma_{floor}^2 + \sigma_{stat}^2/A_{L/R}+ \sigma_{noise}^2/A_{L/R}^2} $$ $$t_{mes_{L/R}} = t^{(0)}_{L/R} + \frac{W_{A_{L/R}}}{\sqrt{A_{L/R}}} + \text{Gaus}(0, \sigma_{t_{L/R}})$$
G. 重构参数 (Reconstruction)
利用时间信息 $t_L, t_R$ 反推位置和飞行时间： $$ x_{t} = \frac{v_{sc}}{2} (t_L - t_R - (t_{0L}-t_{0R}))$$ $$ \text{TOF}_{rec} = \frac{t_L + t_R - (t_{0L}+t_{0R})}{2} -L/v_{sc}$$
利用能量信息 $q_L, q_R$ 反推原始能量沉积和位置： $$ x_q = \frac{\lambda}{2}\ln \frac{q_R}{q_L} $$ $$Q_0^2 = 4e^{2L/\lambda} q_L q_R$$
3. ROOT 文件结构 (TTree) — 数据生成与存储机制
在处理核物理实验数据时，数据量通常达到百万甚至千万量级。ROOT 框架的 TTree 结构实现了高效的存储。
3.1 TTree的数据存储
以下代码展示了从内存变量定义到磁盘文件落盘的完整生命周期：
// ==========================================
// [初始化阶段] 环境建立与地址绑定
// ==========================================
//建立 ROOT 文件 (TFile)
//创建 数据树 (TTree)
// 定义本地工作区变量（数据中转站）
Int_t val_pid;
Double_t val_e_true, val_tL, val_tR; // ... 其他变量
// 【建立地址映射】
tree->Branch("pid", &val_pid, "pid/I");
tree->Branch("e_true", &val_e_true, "e_true/D");
tree->Branch("tL", &val_tL, "tL/D");
tree->Branch("tR", &val_tR, "tR/D");
// ==========================================
// [事件循环阶段] 数据刷新与快照填充
// ==========================================
for (从 0 到 总事件数) {
1. 计算/获取逻辑：更新内存变量的内容
val_pid = 获取粒子ID;
val_e_true = 获取模拟能量;
val_tL = 计算左端响应时间;
val_tR = 计算右端响应时间;
2. 填充事件快照：
tree->Fill();
}
//保存数据到磁盘
tree->Write(); // 写入尚未落盘的内容及树的元数据
file->Close(); // 关闭文件，安全释放内存连接
3.2 TTree 的 Branch 接口参数 (基础变量)
创建一个分支并将其与内存中的变量绑定：
tree->Branch("BranchName", &Variable, "LeafName/Type");
- 参数 1:
"BranchName"：保存在 ROOT 文件中的分支名称。 - 参数 2:
&Variable：变量的内存地址。ROOT 将通过这个地址来读取数据。 - 参数 3:
"LeafName/Type"：数据类型描述符，告诉 ROOT 如何读取该内存地址。- LeafName：数据的真实字段名。在进行绘图（如 tree->Draw("LeafName")）或条件筛选时使用。建议保持与 BranchName 一致，以避免混淆。
- Type:
/D:Double_t(64位浮点)
/F:Float_t(32位浮点)
/I:Int_t(32位整型)
/L:Long64_t(64位整型)
3.3 TTree 核心操作机制
1. 地址绑定 (一次性连接)
Branch() 的作用仅仅是让 TTree “记住”变量的内存地址。因此，声明分支的操作只需要在循环外执行一次。在循环内更新变量的值。
2. 数据快照 (Fill 的作用)
tree->Fill() 相当于按下相机快门。每次调用时，TTree 会去读取之前绑定的所有内存地址，把当时的当前数值拷贝一份，保存为 TTree 中的一个新“事件”（Entry）。
3. 内存缓冲 (Basket) 与 批量写入
为了提高性能，Fill() 不会立刻把数据写到硬盘上。数据会被先塞进内存里的暂存区（称为 Basket）。只有当 Basket 装满时，ROOT 才会自动将其压缩并批量写入磁盘。这极大地减少了磁盘读写（I/O）的次数。
3.4 存入TTree的事件信息
将入射粒子的原始信息以及探测器响应信息逐事件同步存入 TTree 中：
- 物理信息（源数据）：
- 粒子种类 (
pid) - 真实能量 (
e_true) - 入射位置 (
x_true) - 入射深度 (depth_true) 与实际路径 (path_true)
- 真实飞行时间 (
tof_true)
- 粒子种类 (
- 探测器信息（响应数据）：
- 两端时间信息：$t_L, t_R$
- 经增益转换的两端幅度：$A_L, A_R$
模型中使用的近似
100 MeV 中子不宜只用非相对论 TOF 式。代码采用 \(\gamma=1+E_n/(m_nc^2)\)、\(\beta=\sqrt{1-\gamma^{-2}}\)、\(TOF=d/(\beta c)\)，其中 \(m_nc^2=939.565\) MeV，\(c=0.299792458\) m/ns；前面的非相对论式是低能极限。
参考练习先抽样反冲质子能量，再计算光输出。各向同性 n-p 散射、单次反冲以及 gamma 的简化沉积谱均用于展示数据处理，不代表此几何下的完整输运响应。光输出参数依赖材料和读出条件。参见 R. A. Cecil, B. D. Anderson and R. Madey, Nucl. Instrum. Methods 161 (1979) 439–447。
重建公式中的时间先扣除 walk。\(t^{(0)}\) 不含随机涨落；每端最终测量时间只加入一次 Gaussian 涨落，避免重复加入分辨。
%jsroot on
3. 模拟代码
先用单能中子、固定时间分辨和无阈值的简化例子说明 TTree 的创建、逐事件 Fill 和写入。随后参考练习加入反冲、光输出、阈值、幅度相关的时间分辨和 walk。
%%cpp -d
void create_tree(){
// 1. 常量声明
const Int_t nEvents = 500000;
const Double_t D = 5.0; // m, 靶到探测器距离
const Double_t L = 1.0; // m, 探测器半长
const Double_t T = 0.05; // m, 厚度
const Double_t Lambda = 3.8; // m, 衰减长度
const Double_t Vsc = 0.075; // m/ns, 光速
const Double_t En0 = 100.0; // MeV, 中子平均能量
const Double_t Egmean = 15.0; // MeV, Gamma能量
const Double_t RatioGamma = 0.3;
const Double_t sigt_floor = 0.5; // 高能端极限 sigma (ns)
const Double_t sigt_stat = 2.0; // 统计项系数 (ns*sqrt(ADC))
const Double_t gL_qe = 10; //ee to light；
const Double_t gR_qe = 15; //ee to light；
const Double_t Rq = 0.1; // 相对能量分辨率
const Double_t t0L = 5.5;
const Double_t t0R = 20.4;
// 2. 声明 Tree 中的变量
Double_t depth_true, path_true;
Double_t x_true; // 真实入射位置 (m)
Double_t e_true; // 真实能量
Int_t pid; // 0: Gamma, 1: Neutron
Double_t tof_true;// 真实 TOF (ns)
Double_t tL_true, tR_true; // 探测器时间
Double_t tL, tR; // 探测器时间
Double_t qL, qR; // 探测器能量
Double_t AL, AR; // 探测器能量
// 3. 定义文件与 Tree
TFile *opf = new TFile("tree_demo.root", "recreate");
TTree *opt = new TTree("tree", "Simulated Data");
opt->Branch("depth_true", &depth_true, "depth_true/D");
opt->Branch("path_true", &path_true, "path_true/D");
opt->Branch("x_true", &x_true, "x_true/D");
opt->Branch("e_true", &e_true, "e_true/D");
opt->Branch("tof_true", &tof_true, "tof_true/D");
opt->Branch("pid", &pid, "pid/I");
opt->Branch("tL_true", &tL_true, "tL_true/D");
opt->Branch("tR_true", &tR_true, "tR_true/D");
opt->Branch("tL", &tL, "tL/D");
opt->Branch("tR", &tR, "tR/D");
opt->Branch("AL", &AL, "AL/D");
opt->Branch("AR", &AR, "AR/D");
TH1D *htof = new TH1D("htof", "Mean end time;Mean end time (ns);Counts", 1000, 0, 100);
TRandom3 *gr = new TRandom3(1101);
std::cout << "Starting Simulation..." << std::endl;
// 4. 事件循环
for(int i = 0; i < nEvents; i++){
// --- 进度条提示输出 (每5%刷新一次) ---
if (i % (nEvents / 20) == 0) {
Double_t progress = (Double_t)i / nEvents * 100;
std::cout << "\rProcessing: " << (int)progress << "% completed..." << std::flush;
}
// --- 生成真值 ---
x_true = gr->Uniform(-L, L);
depth_true = gr->Uniform(-T/2.0, T/2.0); // 深度 y'
Double_t dis = TMath::Sqrt(pow(D + depth_true, 2) + pow(x_true, 2)); // 真实距离
path_true = dis;
Double_t E_dep = 0; // 沉积能量 (产生光信号的能量)
if(gr->Uniform() < RatioGamma) { // Gamma
pid = 0;
e_true = gr->Exp(Egmean);
tof_true = dis / 0.299792458; // m -> ns
E_dep = e_true;// Gamma沉积能量
} else { // Neutron
pid = 1;
e_true = En0; //中子能量，
if(e_true <= 0) continue;
tof_true = dis / (0.299792458 * sqrt(1-pow(1+e_true/939.565,-2))) ;
E_dep = e_true;//中子能量沉积
}
// --- 探测器响应 ---
// 时间信号
tL_true = tof_true + (L + x_true)/Vsc + t0L; // x 定义方向
tL = gr->Gaus(tL_true, sigt_floor);
tR_true = tof_true + (L - x_true)/Vsc + t0R;
tR = gr->Gaus(tR_true, sigt_floor);
// 能量信号
// 此处简化：暂不考虑反冲质子能量分布
Double_t Q = E_dep;
qL = (Q/2.0) * TMath::Exp(-(L + x_true)/Lambda);
qL = gr->Gaus(qL, qL * Rq/2.355);
AL = gL_qe * qL;
qR = (Q/2.0) * TMath::Exp(-(L - x_true)/Lambda);
qR = gr->Gaus(qR, qR * Rq/2.355);
AR = gR_qe * qR;
if (AL < 0 || AR < 0) continue;
// 在线重构
double tof_rec = (tL + tR)/2.0;
htof->Fill(tof_rec); //填充histogram
//5.将计算好的变量值填到Tree中
opt->Fill();
}
// 完成后输出 100%
std::cout << "\rProcessing: 100% completed! " << std::endl;
// 6.将数据写入root文件中
htof->Write();
opt->Write();
opf->Close();
std::cout << "Data saved to tree_demo.root" << std::endl;
}
4. 运行与分析
ROOT终端运行方法：
- 保存代码为
create_tree.cc。 - 在终端输入
root -l create_tree.cc(自动执行并退出)，生成tree.root。 - 打开文件：
root -l tree.root。 - 显示文件结构：
.ls - 查看Tree结构：
tree->Print(); - ...
create_tree();
Starting Simulation... Processing: 0% completed... Processing: 5% completed... Processing: 10% completed... Processing: 15% completed... Processing: 20% completed... Processing: 25% completed... Processing: 30% completed... Processing: 35% completed... Processing: 40% completed... Processing: 45% completed... Processing: 50% completed... Processing: 55% completed... Processing: 60% completed... Processing: 65% completed... Processing: 70% completed... Processing: 75% completed... Processing: 80% completed... Processing: 85% completed... Processing: 90% completed... Processing: 95% completed... Processing: 100% completed! Data saved to tree_demo.root
练习：
- 理解上述1.-6.步骤的逻辑关系。自行练习如何将数据以TTree格式存到ROOT文件中。
- 理解如何在模拟中加入探测器分辨。
4.1. 查看ROOT文件
//%jsroot on
TFile *ipf = new TFile("tree_demo.root");//root -l tree_demo.root
ipf->ls()//ROOT 环境下 > .ls
TFile** tree_demo.root TFile* tree_demo.root KEY: TTree tree;2 Simulated Data [current cycle] KEY: TTree tree;1 Simulated Data [backup cycle] KEY: TH1D htof;1 Mean end time
//观察tree的结构
tree->Print()
****************************************************************************** *Tree :tree : Simulated Data * *Entries : 500000 : Total = 46113717 bytes File Size = 37017797 * * : : Tree compression factor = 1.25 * ****************************************************************************** *Br 0 :depth_true : depth_true/D * *Entries : 500000 : Total Size= 4010324 bytes File Size = 2832013 * *Baskets : 103 : Basket Size= 3264000 bytes Compression= 1.42 * *............................................................................* *Br 1 :path_true : path_true/D * *Entries : 500000 : Total Size= 4010217 bytes File Size = 3518905 * *Baskets : 103 : Basket Size= 3264000 bytes Compression= 1.14 * *............................................................................* *Br 2 :x_true : x_true/D * *Entries : 500000 : Total Size= 4009896 bytes File Size = 2794612 * *Baskets : 103 : Basket Size= 3263488 bytes Compression= 1.43 * *............................................................................* *Br 3 :e_true : e_true/D * *Entries : 500000 : Total Size= 4009896 bytes File Size = 1440217 * *Baskets : 103 : Basket Size= 3263488 bytes Compression= 2.78 * *............................................................................* *Br 4 :tof_true : tof_true/D * *Entries : 500000 : Total Size= 4010110 bytes File Size = 3553809 * *Baskets : 103 : Basket Size= 3264000 bytes Compression= 1.13 * *............................................................................* *Br 5 :pid : pid/I * *Entries : 500000 : Total Size= 2004977 bytes File Size = 211142 * *Baskets : 52 : Basket Size= 1631744 bytes Compression= 9.49 * *............................................................................* *Br 6 :tL_true : tL_true/D * *Entries : 500000 : Total Size= 4010003 bytes File Size = 3772968 * *Baskets : 103 : Basket Size= 3263488 bytes Compression= 1.06 * *............................................................................* *Br 7 :tR_true : tR_true/D * *Entries : 500000 : Total Size= 4010003 bytes File Size = 3760743 * *Baskets : 103 : Basket Size= 3263488 bytes Compression= 1.07 * *............................................................................* *Br 8 :tL : tL/D * *Entries : 500000 : Total Size= 4009468 bytes File Size = 3773785 * *Baskets : 103 : Basket Size= 3262976 bytes Compression= 1.06 * *............................................................................* *Br 9 :tR : tR/D * *Entries : 500000 : Total Size= 4009468 bytes File Size = 3763186 * *Baskets : 103 : Basket Size= 3262976 bytes Compression= 1.06 * *............................................................................* *Br 10 :AL : AL/D * *Entries : 500000 : Total Size= 4009468 bytes File Size = 3794823 * *Baskets : 103 : Basket Size= 3262976 bytes Compression= 1.06 * *............................................................................* *Br 11 :AR : AR/D * *Entries : 500000 : Total Size= 4009468 bytes File Size = 3791679 * *Baskets : 103 : Basket Size= 3262976 bytes Compression= 1.06 * *............................................................................*
4.2 查看事件数据
tree->Show(10);//显示指定的事件数据 event=10
======> EVENT:10 depth_true = -0.019871 path_true = 4.98318 x_true = 0.174486 e_true = 100 tof_true = 38.8419 pid = 1 tL_true = 60.0017 tR_true = 70.2488 tL = 59.0771 tR = 70.2958 AL = 391.136 AR = 541.008
tree->Scan("x_true:e_true:tof_true:pid:tL:tR:AL:AR","","",10,10);
************************************************************************************************************ * Row * x_true * e_true * tof_true * pid * tL * tR * AL * AR * ************************************************************************************************************ * 10 * 0.1744858 * 100 * 38.841927 * 1 * 59.077053 * 70.295837 * 391.13618 * 541.00767 * * 11 * 0.4396819 * 2.7894707 * 16.708133 * 0 * 40.682398 * 43.978396 * 9.1841903 * 17.879720 * * 12 * -0.195711 * 2.9880317 * 16.7672 * 0 * 32.464504 * 53.104839 * 11.160376 * 16.853642 * * 13 * -0.778788 * 31.026882 * 16.923162 * 0 * 25.296266 * 61.070416 * 144.19535 * 143.42394 * * 14 * -0.944994 * 4.4178021 * 17.017387 * 0 * 22.830045 * 63.154889 * 23.028448 * 20.693390 * * 15 * -0.938695 * 18.310635 * 16.974621 * 0 * 24.288626 * 63.042620 * 90.113239 * 75.663223 * * 16 * -0.553744 * 100 * 39.165870 * 1 * 50.245380 * 80.702309 * 422.73298 * 483.62886 * * 17 * 0.2257272 * 100 * 38.898612 * 1 * 60.936247 * 70.177385 * 391.47917 * 622.85202 * * 18 * 0.5381632 * 18.207404 * 16.748098 * 0 * 42.422750 * 43.933681 * 61.895916 * 123.74736 * * 19 * -0.420097 * 100 * 39.127060 * 1 * 52.919035 * 79.901344 * 397.33468 * 509.95913 * ************************************************************************************************************
4.3 查看相对位置分布
TCanvas *c1 = new TCanvas();//* 在ROOT环境下可省略
c1->Clear();//* 在ROOT环境下可省略
tree->Draw("tR-tL>>hdt(100,-15,50)");
c1->Draw();
4.4：TOF
- 观察以下两图有什么不同，分析其原因
tree->Draw("tof_true>>(1000,0,100)","");//实际飞行时间
c1->Draw();
TH1D *hh = (TH1D*) ipf->Get("htof"); //在代码中得到文件内数据指针的方法，在ROOT环境下课直接用 htof->Draw()
hh->Draw();//画图
c1->Draw();
4.5 飞行时间与位置的二维关联
- 右图：飞行距离修正，将TOF归一到 1m 的飞行距离；此时中子TOF与中子能量En存在一一对应关系，与入射位置无关。
c1->Clear();
c1->Divide(2,1);
c1->cd(1); tree->Draw("tof_true:x_true>>hpath0(100,-1,1,150,10,50)","","colz");
c1->cd(2); tree->Draw("tof_true/path_true:x_true>>hpath1(100,-1,1,150,0,10)","","colz");
c1->Draw();
4.6 位置
$$ x_{t} = \frac{v_{sc}}{2} (t_L - t_R - (t_{0L}-t_{0R}))$$ $$ x_q = \frac{\lambda}{2}\ln \frac{A_R g_L}{A_L g_R} $$
c1->Clear();
c1->Divide(2,1);
c1->cd(1);
tree->Draw("x_true:tR-tL >> h3(200, -20, 50, 200, -1.1, 1.1)", "", "colz");
c1->cd(2);
tree->Draw("log(AL/AR):x_true","","colz");
c1->Draw();
5. 作业
修改并完善代码
目前的演示代码对物理过程进行了简化（例如假设中子能量单一、能量沉积固定等）。
根据下列要求，修改代码：
中子入射能量分布 ($E_n$)：
- 中子源产生的能量并非单一值, 中子能量围绕中心值
En0的高斯展宽（EnFWHM）。
- 中子源产生的能量并非单一值, 中子能量围绕中心值
中子能量沉积：
- 模拟代码中 $A = A_{qe} * E_{dep}$。 根据讲义，在代码中加入探测器能量响应，即： $E_n\to E_p \to E_{ee}$， $Q = A_{qe} * E_{ee}$。
Time-walk：
- 新增 tL_true, tR_true 两个Branch, 这两个变量分别等于模拟代码中的tL和tR。
- 变量 tL 和 tR: 在tL_true, tR_true 变量上，加入时间分辨随幅度变化的项以及Time-Walk 项。
电子学阈值与触发逻辑 (Trigger)：
- 实验中存在电子学阈值（Threshold）。只有当探测器两端信号幅度（$A_L$ 和 $A_R$）各自都超过设定阈值时，该事件才会被记录。对应实验中的符合触发逻辑（Coincidence Trigger）。
程序给出不含测量涨落的 tL_true/tR_true；最终时间在加入 walk 后只展宽一次。保存 depth_true/path_true 用于与重建比较。分析未知数据时不使用这些真值。
6. 考虑作业中修正后的结果
.L create_tree_hw.cc
create_tree_hw();
Starting Simulation... Processing: 0% completed... Processing: 5% completed... Processing: 10% completed... Processing: 15% completed... Processing: 20% completed... Processing: 25% completed... Processing: 30% completed... Processing: 35% completed... Processing: 40% completed... Processing: 45% completed... Processing: 50% completed... Processing: 55% completed... Processing: 60% completed... Processing: 65% completed... Processing: 70% completed... Processing: 75% completed... Processing: 80% completed... Processing: 85% completed... Processing: 90% completed... Processing: 95% completed... Processing: 100% completed! Data saved to tree_hw_demo.root
TFile *fHW = new TFile("tree_hw_demo.root");
TTree *tree = (TTree*)fHW->Get("tree");
6.1 Timewalk
- timewalk导致时间谱产生严重的畸变，下一步必须对其进行修正。
tree->Draw("tL-tL_true:AL>>(400,0,600,200,0,50)","","colz");
c1->Draw();
gamma事件选择
- Gamma以光速飞行，其飞行时间最短，因此对应图中下方那条高度集中且平滑的窄带。在进行 Time-Walk 校准前，可以通过设置Graphical Cut，提取这Gamma 事件（见文档附录）。
- 下列代码保存到draw_gamma_cut.cc
%%cpp -d
void draw_gamma_cut() {
TCutG *cutg = new TCutG("cut_gamma",15);
cutg->SetVarX("tL+tR");
cutg->SetVarY("sqrt(AL*AR)");
cutg->SetTitle("Graph");
cutg->SetFillStyle(1000);
cutg->SetPoint(0,86.7586,588.026);
cutg->SetPoint(1,87.9764,331.974);
cutg->SetPoint(2,89.803,105.395);
cutg->SetPoint(3,96.5007,7.76315);
cutg->SetPoint(4,118.116,-12.5);
cutg->SetPoint(5,131.816,-3.28948);
cutg->SetPoint(6,128.771,15.1316);
cutg->SetPoint(7,113.549,28.0263);
cutg->SetPoint(8,101.981,55.6579);
cutg->SetPoint(9,96.1963,156.974);
cutg->SetPoint(10,94.6741,304.342);
cutg->SetPoint(11,94.0652,503.289);
cutg->SetPoint(12,92.8474,591.711);
cutg->SetPoint(13,85.8453,586.184);
cutg->SetPoint(14,86.7586,588.026);
// 注意：在分析代码中调用时，通常不需要它自动 Draw()
cutg->Draw("L");
}
TCanvas *c2 = new TCanvas("tof-q","tof-q",1000,300);
c2->Divide(3,1);
c2->cd(1);
tree->Draw("sqrt(AL*AR):tL_true+tR_true>>h1(400,80,200,500,0,600)","","colz");
c2->cd(2);
tree->Draw("sqrt(AL*AR):tL+tR>>h2(400,80,250,500,0,600)","","colz");
draw_gamma_cut();
c2->cd(3);
tree->Draw("sqrt(AL*AR):tL+tR>>h3(400,80,250,500,0,600)","cut_gamma","colz");
c2->Draw();
附录：CERN ROOT Graphic Cut (TCutG) 指南
1. 建立上下文：绘制散点图
所有的图形化裁剪都始于对数据的可视化。
// 在终端执行，假设 x 为横坐标变量，y 为纵坐标变量
tree->Draw("y:x", "", "colz");
注意：在 Draw 命令中，顺序是 "纵轴:横轴"。
2. 交互式创建与重命名
- 激活工具：在 Canvas 菜单栏点击
View -> Toolbar。点击图标中的 "CutG"（✂️）。 - 绘制区域：在图中点击若干个点围成感兴趣的区域，双击最后一个点闭合。此时，该对象默认名为
CUTG。 - 修改名称：
- 将鼠标悬停在 Cut 边缘，右键点击 ->
SetName。 - 输入新名称，例如
mycut。这一步至关重要，因为后续调用都依赖此名称。
- 将鼠标悬停在 Cut 边缘，右键点击 ->
3. 保存与复用 (.C 脚本)
将你画好的形状保存下来，以便在以后的脚本或实验中使用：
操作：右键点击 Cut 边缘 ->
SaveAs->mycut.C。加载：在新的 ROOT 进程中，通过以下命令找回该 Cut：
root [0] .x mycut.C; // 执行后，名为 "mycut" 的对象已加载至内存
4. 在 ROOT 终端直接调用
加载 mycut 后，它可以直接作为 TTree::Draw 的过滤条件，并支持与普通字符串条件混用。
基本应用：
tree->Draw("y:x", "mycut"); // 仅显示 mycut 区域内的数据
条件混用：
// 逻辑组合：在 mycut 区域内，且满足 x > 100 且 y > 50 tree->Draw("y:x", "mycut && x > 100 && y > 50");
5. 在循环代码中引用 (C++ Loop)
如果你在编写 for 循环手动处理每个 Event，需要使用 IsInside 方法。
⚠️ 核心要点：参数顺序必须与定义一致
在第一步 tree->Draw("y:x") 中，你的横轴是 x，纵轴是 y。因此在调用 IsInside 时，必须严格保持 (横轴变量, 纵轴变量) 的顺序。
// 1. 加载 Cut 对象
gROOT->ProcessLine(".x mycut.C");
TCutG *mycut = (TCutG*)gROOT->FindObject("mycut");
// 2. 进入事件循环
for (Long64_t i = 0; i < tree->GetEntries(); ++i) {
tree->GetEntry(i);
// 判定：第一个参数是绘图时的横轴(x)，第二个参数是纵轴(y)
// 变量顺序如果写反为 (valY, valX)，判定结果将完全错误
if (mycut->IsInside(valX, valY)) {
// 逻辑处理...
}
}