Filtragem online de múons baseada em calorimetria de altas energias e com fina segmentação usando Redes Neurais Artificiais

Abstract

A Física de Partículas Elementares estuda as interações 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 utilizadas para investigar o comportamento das partículas previstas pelo Modelo Padrão. O experimento ATLAS é o maior do LHC e possui subdetectores responsáveis pela análise dessas colisões. Devido à 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 informações de calorimetria para auxiliar na detecção de múons, partículas de grande interesse nos estudos conduzidos pelo experimento ATLAS. Com as futuras atualizações planejadas para o LHC, visando o aumento da taxa de colisões, será necessário aprimorar o sistema de filtragem para garantir maior eficiência nessas novas condições. O estudo analisou o desempenho de Redes Neurais Artificiais como algoritmo de filtragem de múons na próxima fase de operação do detector, considerando as atualizações previstas para o LHC. Os resultados demonstraram a promissora capacidade das Redes Neurais Artificiais na detecção eficiente de múons, estabelecendo uma base sólida para futuras melhorias no sistema de filtragem de múons do experimento ATLAS.