Título: Ensemble de Redes Neurais para Identificação Rápida de Elétrons em um Calorímetro com Fina Segmentação e com Alta Taxa de Eventos
Autores: Micael Verrissimo de Araújo, João Victor da Fonseca Pinto, José Manoel de Seixas, Edmar Egidio Purcino De Souza, Eduardo Furtado de Simas Filho & Juan Lieber Marin
Resumo: Um sistema online de seleção de partículas no Experimento ATLAS foi implementado, de modo a lidar com a alta taxa de eventos produzidas durante as colisões de prótons. Neste contexto, elétrons apresentam papel crucial na investigação de partículas e interações raras, entretanto a sua identificação pode ser perturbada devido ao intenso ruído de fundo produzido por partículas de natureza hadrônica. Um sistema baseado em redes neurais artificiais, alimentados por sinais de calorimetria formatados em anéis concêntricos em torno da posição de encontro do elétron com o detector, foi desenvolvido e adotado como padrão pela colaboração ATLAS a partir de 2017 (Run2). Com o atual aumento do número de colisões, taxa de sobreposição dos sinais nos calorímetros, e atualização do hardware de medição de energia, os algoritmos de identificação online de elétrons precisam ser atualizados. Neste trabalho, são apresentados os resultados da atualização da estratégia baseada em aprendizagem de máquina para identificação online de elétrons (NeuralRinger) no ATLAS. Um conjunto de redes neurais artificias foi projetado para manter as eficiências de identificação de elétrons, e reduzir a taxa de aceitação de falsos positivos, de acordo com as condições de operação atualizadas do experimento.
Palavras-chave: Online identification; Neural Networks; High Energy Physics.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1191780
Artigo em PDF: CBIC_2025_paper1191780.pdf
Arquivo BibTeX:
CBIC_2025_1191780.bib