Sesión de Defensa de la Tesis Doctoral N° 54 del PPGEEC - INTELIGENCIA COMPUTACIONAL APLICADA PARA LA REDUCCIÓN DE CROSSTALK EN UN CALORÍMETRO DE ARGÓN LÍQUIDO

ESTUDIANTE: MARTON SANDES DOS SANTOS

FECHA: 11/12/2024

HORA: 14:00

UBICACIÓN: Salón de Congregación - Escuela Politécnica de la UFBA, 5º piso

TÍTULO: INTELIGENCIA COMPUTACIONAL APLICADA PARA LA REDUCCIÓN DE CROSSTALK EN UN CALORÍMETRO DE ARGÓN LÍQUIDO

PALABRAS CLAVE: ATLAS; Simulador Analítico; Diafonía; Procesamiento Estadístico de Señales; Aprendizaje automático; Marco de Loernzetti;

RESUMEN: ATLAS (A Toroidal LHC ApparatuS) es el experimento más grande en el acelerador LHC (Large Hadron Collider) ubicado en el CERN (Centre Européen pour la Recherche Nucléaire). ATLAS se encuentra en uno de los puntos de colisión en el túnel del acelerador. Está compuesto por detectores especializados para caracterizar partículas producidas por colisiones protón-protón (pp) con un centro de energía de masa de 13 TeV. Uno de sus detectores especializados es el calorímetro de argón líquido (LAr), con alrededor de 187.000 células sensoras para registrar la producción de partículas electromagnéticas. Los calorímetros son detectores muy utilizados en experimentos de física de partículas, que tienen la función de registrar y absorber la energía de las partículas producidas en las colisiones dentro de los experimentos. El calorímetro ATLAS LAr tiene una granularidad fina y una alta densidad celular, que en asociación con las altas tasas de colisión y la estructura mecánica y electrónica del sistema de lectura del detector, producen efectos de interferencia de los canales electrónicos vecinos (diafonía – XT). XT aumenta la dificultad de estimar la energía y el tiempo de propagación de la partícula incidente. El Filtro Óptimo es el método estándar utilizado en ATLAS para estimar la energía y el tiempo, pero en su diseño de coeficientes no se tiene en cuenta XT, lo que provoca un error en la estimación de la energía y el tiempo de vuelo de las partículas. Esta tesis investigó posibles soluciones para la mitigación de XT utilizando técnicas de aprendizaje automático y métodos de procesamiento estadístico de señales. La solución propuesta se basa en el desarrollo de un estimador basado en redes neuronales artificiales para mitigar los efectos indeseables de XT. En la aplicación y evaluación del modelo se utilizaron dos bases de datos simuladas basadas en modelos de física de partículas electromagnéticas. Las señales obtenidas de los simuladores desarrollados se utilizan para desarrollar y evaluar posibles soluciones de aprendizaje automático. Utilizando los datos producidos en los simuladores disponibles, el enfoque que utiliza métodos supervisados ​​demostró ser eficiente tanto para estimar la energía como el tiempo de vuelo de partículas utilizando la estructura del Perceptrón Multicapa (MLP) en una tarea de regresión de valores de energía y tiempo de partículas. sin la influencia de XT. Los resultados obtenidos produjeron un rendimiento de regresión con RMSE (error cuadrático medio) bajo en relación con el método estándar utilizado para estimar la energía de las partículas y el tiempo de vuelo. Presentando una reducción del error en la estimación de energía, reduciendo significativamente el error en la estimación del tiempo de vuelo. En cuanto al valor energético, la mejor red tiene una capa oculta, mientras que, por tiempo, una red con tres capas ocultas produjo el mejor resultado. El método propuesto redujo el error de estimación de energía hasta en un 15,5% para una energía de impacto de 10 GeV y redujo el error de estimación de tiempo hasta en 2 órdenes de magnitud con la misma energía de impacto.

MIEMBROS DE LA JUNTA:

EDUARDO FURTADO DE SIMAS FILHO (ASESOR)               UFBA

ANTONIO CARLOS LOPES FERNANDES JUNIOR                  UFBA

EDUARDO DA SILVA ALMEIDA                                          UFBA

BERNARDO SOTTO-MAIOR PERALVA                                 UERJ

BERTRAND LAFORGE                                                      Universidad de la Sorbona

Em 06/12/2024