Título: Filtragem online de múons baseada em calorimetria de altas energias e com fina segmentação usando Redes Neurais Artificiais
Autores: Pedro Henrique Braga Lisboa, Luciano Manhaes de Andrade Filho, Natanael Nunes de Moura Junior, Jose Manoel de Seixas
Resumo: A Física de Partículas Elementares estuda as interaçoes fundamentais da natureza, analisando as partículas que compõem o universo. O CERN abriga o LHC, o maior acelerador de partículas do mundo, onde colisões de feixes de partículas são usadas para investigar o comportamento das partículas previstas pelo Modelo Padrao. O experimento ATLAS e o maior do LHC e possui subdetectores que analisam as colisões. Com a elevada taxa de colisões no LHC, torna-se imprescindível um sistema de filtragem online eficiente para identificar os eventos de interesse. Este trabalho tem como objetivo explorar o uso de informaçoes de calorimetria para auxiliar na detecção de muons, partículas de interesse nos estudos conduzidos pelo Experimento ATLAS. Com as futuras atualizações planejadas para o LHC, visando o aumento da taxa de colisões, será necessario aprimorar o sistema de filtragem para assegurar sua maior eficiencia diante dessas novas condic¸ oes. O estudo analisou o desempenho de Redes Neurais Artificiais como algoritmo de filtragem de muons na próxima fase de operação do detector, levando em conta as futuras atualizações programadas para o LHC. Os resultados obtidos demonstraram a promissora capacidade das Redes Neurais Artificiais para a detecção eficiente de muons, estabelecendo uma base sólida para futuras melhorias no sistema de filtragem de muons do Experimento ATLAS
Palavras-chave: Redes Neurais Artificiais, Física de Altas Energias, Calorimetria, Muons
Páginas: 8
Código DOI: 10.21528/CBIC2023-167
Artigo em pdf: CBIC_2023_paper167.pdf
Arquivo BibTeX: CBIC_2023_167.bib