Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/43/43134/tde-24012023-213528/ |
Resumo: | Neste trabalho estudamos a reação de breakup 4He(17F,16O+p) 4He usando o alvo ativo AT-TPC. A analise dos dados experimentais foi realizada usando técnicas de machine learning que permitiram analisar de forma eficiente um grande volume de dados. Os algoritmos desenvolvidos neste trabalho correspondem a primeira aplicação prática de técnicas de machine learning numa análise de dados com alvo ativo. Na primeira parte da analise foi feita a reconstrução tridimensional dos eventos através da análise dos pulsos gerados pelo plano detector micromegas. O micromegas é um detector multipixelado (2048 canais), onde cada pixel (com coordenadas x e y fixas) é um canal do detector com eletrônica independente. Foram criadas três redes neurais supervisionadas para analisar os pulsos crus envolvendo as seguintes etapas: identificação do fundo, deconvolução e identificação dos centroides e carga dos pulsos. Esta informação foi de grande importância para reconstruir milhões de nuvens de pontos que correspondem aos eventos das reações nucleares no alvo ativo. Já com as nuvens de pontos reconstruídas, as trajetórias das partículas foram identificadas usando algoritmos de clustering e estimadores robustos. A partir das propriedades geométricas das trajetórias, foi calculado o vértice de reação de cada evento para enfim poder obter os ângulos de espalhamento da reação. A identificação dos prótons foi feita a partir do comprimento e energia depositada por cada trajetória. Identificado o canal de breakup, as distribuições angulares (breakup inclusivo e exclusivo) foram construídas. Por fim, as distribuições angulares foram analisadas e comparadas com resultados da literatura envolvendo o breakup do 17F em outros núcleos alvo. |
id |
USP_a7b9dc99d6174d414b362b0a22f59323 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-24012023-213528 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine LearningBreakup reaction study 4He(17F,16O+p) 4He using the pAT-TPC active target: an approach using Machine Learning techniquesActive-TargetAlvo-AtivoBreakupBreakupMachine LearningMachine LearningNeural NetworkspAT-TPCpAT-TPCRedes NeuraisNeste trabalho estudamos a reação de breakup 4He(17F,16O+p) 4He usando o alvo ativo AT-TPC. A analise dos dados experimentais foi realizada usando técnicas de machine learning que permitiram analisar de forma eficiente um grande volume de dados. Os algoritmos desenvolvidos neste trabalho correspondem a primeira aplicação prática de técnicas de machine learning numa análise de dados com alvo ativo. Na primeira parte da analise foi feita a reconstrução tridimensional dos eventos através da análise dos pulsos gerados pelo plano detector micromegas. O micromegas é um detector multipixelado (2048 canais), onde cada pixel (com coordenadas x e y fixas) é um canal do detector com eletrônica independente. Foram criadas três redes neurais supervisionadas para analisar os pulsos crus envolvendo as seguintes etapas: identificação do fundo, deconvolução e identificação dos centroides e carga dos pulsos. Esta informação foi de grande importância para reconstruir milhões de nuvens de pontos que correspondem aos eventos das reações nucleares no alvo ativo. Já com as nuvens de pontos reconstruídas, as trajetórias das partículas foram identificadas usando algoritmos de clustering e estimadores robustos. A partir das propriedades geométricas das trajetórias, foi calculado o vértice de reação de cada evento para enfim poder obter os ângulos de espalhamento da reação. A identificação dos prótons foi feita a partir do comprimento e energia depositada por cada trajetória. Identificado o canal de breakup, as distribuições angulares (breakup inclusivo e exclusivo) foram construídas. Por fim, as distribuições angulares foram analisadas e comparadas com resultados da literatura envolvendo o breakup do 17F em outros núcleos alvo.In this work, the breakup reaction 4He(17F,16O + p)4He was investigated using the active target pAT-TPC. The data analysis was performed with machine learning techniques, which allowed to proccess a large amount of data in a very efficient way. The algorithms developed in this work represent the first practical application of machine learning tecniques for the analysis of an experiment using an active target. In the first part of the analysis, a three-dimensional reconstruction of the events was performed through the analysis of the pulses generated by the micromegas pad plane. The micromegas pad plane is a highly-segmented detector (2048 pixels), where each individual pad (with certain x and y coordinates) has an independent electronics. Three supervised neural networks were created to perform the analysis of the raw data, including the following parts: background indentification, deconvolution, and centroid and charge identification. This information was of great importance in order to reconstruct millions of point clouds which correspond to the detected nuclear reactions in the active target. The reconstructed point clouds were analyzed with clustering algorithms and robust estimators in order to identify the individual particle trajectories. The respective reaction vertices and scattering angles were obtained by using geometric properties of the reconstruted trajectores. The identification of the proton tracks was performed by using the particle range and deposited energy for each track. Angular distributions of inclusive and exclusive breakup were extracted from the analysis of the point clouds with only proton tracks. Finally, the angular distributions were analyzed and compared with data from the literature involving the breakup of 17F on heavier target nuclei.Biblioteca Digitais de Teses e Dissertações da USPCardona, Juan Carlos ZamoraGuimaraes, ValdirFortino, Guilherme Ferrari2022-12-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/43/43134/tde-24012023-213528/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-03-20T16:15:33Zoai:teses.usp.br:tde-24012023-213528Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-03-20T16:15:33Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning Breakup reaction study 4He(17F,16O+p) 4He using the pAT-TPC active target: an approach using Machine Learning techniques |
title |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
spellingShingle |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning Fortino, Guilherme Ferrari Active-Target Alvo-Ativo Breakup Breakup Machine Learning Machine Learning Neural Networks pAT-TPC pAT-TPC Redes Neurais |
title_short |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
title_full |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
title_fullStr |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
title_full_unstemmed |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
title_sort |
Estudo da reação de breakup 4He(17F,16O+p)4He usando o alvo ativo pAT-TPC: uma abordagem usando técnicas de Machine Learning |
author |
Fortino, Guilherme Ferrari |
author_facet |
Fortino, Guilherme Ferrari |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cardona, Juan Carlos Zamora Guimaraes, Valdir |
dc.contributor.author.fl_str_mv |
Fortino, Guilherme Ferrari |
dc.subject.por.fl_str_mv |
Active-Target Alvo-Ativo Breakup Breakup Machine Learning Machine Learning Neural Networks pAT-TPC pAT-TPC Redes Neurais |
topic |
Active-Target Alvo-Ativo Breakup Breakup Machine Learning Machine Learning Neural Networks pAT-TPC pAT-TPC Redes Neurais |
description |
Neste trabalho estudamos a reação de breakup 4He(17F,16O+p) 4He usando o alvo ativo AT-TPC. A analise dos dados experimentais foi realizada usando técnicas de machine learning que permitiram analisar de forma eficiente um grande volume de dados. Os algoritmos desenvolvidos neste trabalho correspondem a primeira aplicação prática de técnicas de machine learning numa análise de dados com alvo ativo. Na primeira parte da analise foi feita a reconstrução tridimensional dos eventos através da análise dos pulsos gerados pelo plano detector micromegas. O micromegas é um detector multipixelado (2048 canais), onde cada pixel (com coordenadas x e y fixas) é um canal do detector com eletrônica independente. Foram criadas três redes neurais supervisionadas para analisar os pulsos crus envolvendo as seguintes etapas: identificação do fundo, deconvolução e identificação dos centroides e carga dos pulsos. Esta informação foi de grande importância para reconstruir milhões de nuvens de pontos que correspondem aos eventos das reações nucleares no alvo ativo. Já com as nuvens de pontos reconstruídas, as trajetórias das partículas foram identificadas usando algoritmos de clustering e estimadores robustos. A partir das propriedades geométricas das trajetórias, foi calculado o vértice de reação de cada evento para enfim poder obter os ângulos de espalhamento da reação. A identificação dos prótons foi feita a partir do comprimento e energia depositada por cada trajetória. Identificado o canal de breakup, as distribuições angulares (breakup inclusivo e exclusivo) foram construídas. Por fim, as distribuições angulares foram analisadas e comparadas com resultados da literatura envolvendo o breakup do 17F em outros núcleos alvo. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-09 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/43/43134/tde-24012023-213528/ |
url |
https://www.teses.usp.br/teses/disponiveis/43/43134/tde-24012023-213528/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091031636901888 |