Título: Combinação das Informações de Trajetória e Calorimetria para um Sistema de Identificação de Elétrons baseado em Redes Neurais Artificiais
Autores: Sarita de Miranda Rimes, Bernardo Peralva, Edmar Egidio Purcino De Souza, Eduardo Furtado de Simas Filho, José Manoel de Seixas, Bertrand Laforge, José Ocariz & Juan Lieber Marin
Resumo: Elétrons são partículas importantes para o programa de física do Experimento ATLAS do LHC no CERN, no qual estão envolvidos decaimentos de interações raras. Entretanto, uma intensa contaminação por ruído de fundo (jatos de constituintes de prótons) pode mascarar os atributos discriminantes extraídos da energia depositada por elétrons no sistema de calorimetria do ATLAS, dificultando a sua detecção. Devido a presença de carga, elétrons são sensíveis ao intenso campo magnético produzido pelo detector interno, e a informação da sua trajetória pode ajudar em sua identificação e na remoção do ruído de fundo. Neste trabalho, é proposto um sistema de classificação inteligente baseado em redes neurais artificiais que combina as informações de trajetória de elétrons com as medidas de energia depositada no calorímetro do ATLAS. O objetivo principal é diminuir a taxa de falsos positivos no sistema de filtragem online de elétrons. Os resultados obtidos indicam uma melhoria de até 2,8 pontos percentuais, se comparado ao sistema padrão de seleção online de elétrons em operação no ATLAS atualmente.
Palavras-chave: Artificial Neural Networks; High Energy Physics; Electron Identification.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1191720
Artigo em PDF: CBIC_2025_paper1191720.pdf
Arquivo BibTeX:
CBIC_2025_1191720.bib