Banca de DEFESA: EDMAR EGIDIO PURCINO DE SOUZA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : EDMAR EGIDIO PURCINO DE SOUZA
DATA : 19/10/2021
HORA: 14:00
LOCAL: Sala Virtual: meet.google.com/uub-suvg-btz
TÍTULO:

CONJUNTO DE CLASSIFICADORES NEURAIS ALIMENTADOS POR INFORMAÇÃO ESPECIALISTA PARA FILTRAGEM ONLINE EM UM DETECTOR DE PARTÍCULAS

PALAVRAS-CHAVES:

Redes Neurais, Detecção Online, Instrumentação

PÁGINAS: 132
RESUMO:

O ATLAS é um dos principais experimentos do LHC, tendo como objetivo inves-
tigar os constituintes fundamentais da matéria e suas formas de interação. No LHC,
partículas são colididas a cada 25 ns, podendo alcançar uma energia de até 14 TeV,
e durante as colisões, é gerado um grande volume de dados (≈ 70 TB/s). Elétrons
são partículas de interesse do experimento, porém são mascarados por um intenso
ruído de fundo composto por jatos hadrônicos, que podem apresentar semelhante
perfil de deposição no calorímetro (medidor de energia altamente segmentado). Para
lidar com o grande volume de informação, o ATLAS utiliza um sistema de seleção
online de eventos, para remover a parcela de informação não relevante e preservar
as assinaturas de interesse. O NeuralRinger é o método padrão do experimento para
classificação de elétrons na etapa rápida de calorimetria, que descreve o perfil de de-
posição de energia das partículas por meio de anéis concêntricos, gerados em torno da
célula mais energética. Os sinais em anéis alimentam um conjunto de classificadores
neurais para realizar a decisão elétron/jato. Uma informação usualmente utilizada
em calorimetria para discriminação entre elétrons e jatos é o espalhamento lateral do
chuveiro. Devido aos diferentes tipos de interação dessas partículas com a matéria,
jatos apresentam perfil mais largo. Visando a melhoria de desempenho do Neu-
ralRinger, neste trabalho é proposta uma etapa de pré-processamento especialista,
que destaca as diferenças do perfil lateral do chuveiro, facilitando a discriminação.
Métodos de treinamento de redes neurais foram desenvolvidos para ajustar de modo
integrado os pesos da rede neural e os coeficientes da etapa de pré-processamento.
Os métodos propostos foram avaliados utilizando dados experimentais do ATLAS.
Através da abordagem proposta, foi possível alcançar desempenho superior ao Neu-
ralRinger, reduzindo a aceitação de falsos elétrons.

MEMBROS DA BANCA:
Interno - 2530359 - ANTONIO CARLOS LOPES FERNANDES JUNIOR
Interno - 2506534 - EDUARDO FURTADO DE SIMAS FILHO
Interno - 1856678 - PAULO CESAR MACHADO DE ABREU FARIAS
Externo à Instituição - ANDERSON DOURADO SISNANDO - UFRB
Externo à Instituição - RODRIGO PEREIRA RAMOS - UNIVASF
Externo à Instituição - ROMIS RIBEIRO DE FAISSOL ATTUX - UNICAMP