Título: Filtragem Online Baseada na Informação do Sistema Calorimetria do Experimento ATLAS Utilizando Modelos de Aprendizado de Máquinas
Autores: Micael Veríssimo de Araújo, João Victor da Fonseca Pinto and Jose Seixas
Resumo:
Na área de Física Experimental de Altas Energias uma etapa sensível é a aquisição dos dados com os quais os físicos, a partir de suas análises, colocam à prova as mais diversas teorias. Assim, os experimentos construídos possuem, dentre muitas outras características, uma grande quantidade de canais de leitura e interesse por eventos raros. Neste contexto destaca-se o sistema de filtragem (Trigger) empregado pelo ATLAS tem utilizado desde 2017 uma estratégia de seleção baseada em um conjunto de redes neurais, chamado NeuralRinger apenas para candidatos com energia transversa superior a 15 GeV. O NeuralRinger faz uso das características naturais de deposição de energia dos elétrons no sistema de calorimetria de modo a encapsular estas características em anéis, que por sua vez são utilizados como entradas para as redes neurais que tomam a decisão de filtragem. O ATLAS está próximo de voltar a coletar dados e para esta nova etapa o NeuralRinger expandirá sua atuação para à toda região cinemática. Neste trabalho irá serão exibidos resultados simulados obtidos pelo NeuralRinger para a região abaixo de 15 GeV.
Palavras-chave:
Redes Neurais, Processamento Online, Calorimetria.
Páginas: 6
Código DOI: 10.21528/CBIC2021-142
Artigo em pdf: CBIC_2021_paper_142.pdf
Arquivo BibTeX: CBIC_2021_142.bib