Algoritmo neural para detecção de partículas em um calorímetro de altas energias

• Autor(a) principal: Freund, Werner Spolidoro
• Data de Publicação: 2011
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRJ
• Texto Completo: http://hdl.handle.net/11422/8148
• topic: Redes neurais; Sistema de filtragem; Calorimetria; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA

Ferramentas e tecnologias utilizadas em engenharia têm encontrado sua aplicação em outras áreas do conhecimento. Na Física, um dos ambientes que está no limiar da ciência atual é o maior acelerador de partículas já construído, o LHC, que permitirá aos cientistas validar e desenvolver teorias, como o Modelo Padrão. A única partícula prevista ainda não observada por esse modelo é o bóson de Higgs. Um dos detectores do LHC, o ATLAS, tem entre seus objetivos confirmar a existência de tal partícula. Todavia, o bóson de Higgs é altamente instável, o que faz com que ele decaia rapidamente em outras partículas, como elétrons e fótons, de forma que é importante a detecção das mesmas para o sucesso do experimento. Por sua vez,essas partículas têm sua assinatura mascarada por outras, como jatos hadrônicos, oque torna o processo de sua identificação não trivial.O Sistema de Reconstrução (SR) do ATLAS é o responsável por identificaras partículas e seus parâmetros, assim capacidade de descoberta de novas físicas depende de sua eficiência. Outras dificuldades a serem superadas são a alta taxa de eventos e a escassez dos eventos de interesse. O Sistema de Filtragem (SF) foi desenvolvido para selecionar as informações relevantes para o experimento, atuando em tempo real, de forma a reduzir a grande quantidade de dados a ser armazenada.Nesse contexto internacional, o presente trabalho realiza a continuação do projeto EgCaloRinger. O projeto consiste de um algoritmo para a identificação de elétrons e fótons, utilizando a informação especialista do detetor que é, então,propagada para um método estatístico de discriminação, atualmente formado por Redes Neurais, sendo uma das contribuições da Engenharia para este experimento.O algoritmo de discriminação foi otimizado através do estudo do pré-processamento mais indicado para a rede neural. Embora o algoritmo tenha sido idealizado para o SF, o mesmo foi portado por este trabalho ao SR, de modo a permitir sua utilização e entendimento pela colaboração do ATLAS. Sua performance foi testada utilizando como referência o algoritmo padrão utilizado pela colaboração. O algoritmo pro-posto superou o algoritmo padrão nas três bases de dados testadas em relação à sua capacidade de discriminação.