Banca de DEFESA: JUAN LIEBER MARIN

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JUAN LIEBER MARIN
DATA : 08/02/2023
HORA: 09:00
LOCAL: https://conferenciaweb.rnp.br/webconf/laboratorio-de-sistemas-digitais-ufba
TÍTULO:

DETECÇÃO ONLINE DE FÓTONS NO EXPERIMENTO ATLAS UTILIZANDO APRENDIZADO DE MÁQUINA

PALAVRAS-CHAVES:

Instrumentação, aprendizado de máquina

PÁGINAS: 90
RESUMO:

O experimento ATLAS, um dos maiores do LHC, em operação no CERN, busca expandir o
conhecimento da estrutura da matéria, bem como explorar as propriedades do que já é conhecido.
O LHC colide prótons a cada 25 ns a uma energia do centro de massa de 13 TeV, produzindo
aproximadamente 70 TB/s de informação, necessitando de um sistema de seleção de eventos
para a investigação e procura de novas partículas. Em especial, os fótons são de interesse da
colaboração ATLAS, uma vez que diversas partículas raras, como o bóson de Higgs, produzem
fótons em seu estado final. Com isso, a correta identificação dessas partículas é de fundamental
importância. O algoritmo NeuralRinger, que opera desde 2017 na identificação de elétrons, atua
no sistema de seleção online do ATLAS. Esse método tem por objetivo capturar a informação
da energia depositada pelas partículas no sistema de calorimetria do ATLAS e, usando um
classificador neural, busca identificar elétrons que interagem com o calorímetro. Do ponto de
vista de calorimetria, elétrons e fótons possuem comportamento similar e, portanto, o uso do
NeuralRinger para a identificação de fótons mostra-se promissor, uma vez que a identificação
deste tipo de partícula é contaminada com um forte ruído de fundo. Assim, o objetivo principal
deste trabalho é desenvolver uma versão do algoritmo NeuralRinger para a identificação online de
fótons no experimento ATLAS. Ao adicionar esse método nas cadeias de identificação de fótons,
espera-se manter a eficiência do sistema de seleção online, reduzindo a aceitação de falsos fótons,
poupando recursos computacionais utilizados durante a coleta de eventos. Adicionalmente, como
o NeuralRinger usa a informação da energia depositada pela partícula para gerar as assinaturas
aneladas, os métodos de estimação de energia são também investigados em cenário de alto
empilhamento de sinais, onde espera-se que o desempenho dos métodos tradicionais se deteriorem.
Como resultado, mostra-se que o uso do algoritmo NeuralRinger pode reduzir no mínimo 50% da
aceitação de jatos hadrônicos quando comparados a atual taxa do experimento ATLAS, sendo
esse percentual superior quando usa-se o pré-processamento por PCA, atingindo uma redução de
cerca de 58% e de 67% quando usa-se uma rede convolutiva. Como prova de conceito, mostra-se
também que a troca do método de estimação de energia nas camadas hadrônicas melhora a
capacidade discriminativa das assinaturas utilizadas pelo NeuralRinger, bem como aumenta tal
capacidade na atual técnica de seleção de fótons do ATLAS.

MEMBROS DA BANCA:
Interno - 2506534 - EDUARDO FURTADO DE SIMAS FILHO
Interno - 1554822 - EDSON PINTO SANTANA
Externo à Instituição - LUCIANO MANHÃES DE ANDRADE FILHO - UFJF
Externo à Instituição - DANTON DIEGO FERREIRA
Externo à Instituição - DENIS OLIVEIRA DAMAZIO