Estudo de um Método para Detecção de Múons no Experimento ATLAS Baseado em Rede Neural Convolucional

Abstract

O desenvolvimento de novas técnicas de processamento digital de sinais é fundamental nos experimentos de física de altas energias. Nesse cenário, a atualização do experimento ATLAS para a Fase II do LHC de alta luminosidade permitirá a realização de experimentos com maior taxa de eventos, ocasionando o efeito de empilhamento de sinais. O calorímetro hadrônico do ATLAS (TileCal) pode ser utilizado para auxiliar na detecção de partículas de múon resultantes das colisões próton-próton. As técnicas clássicas de reconstrução de sinais têm sua performance prejudicada nesse novo contexto, sendo necessárias novas estratégias mais adequadas, como o método dos mínimos quadrados (Least Squares – LS), já estudado como alternativa. Neste trabalho, é proposta a utilização de uma rede neural convolucional (CN) para o sistema de detecção de múons simulados, utilizando algumas células do TileCal, e seu desempenho é comparado com o método LS. A CN foi capaz de reduzir a taxa de falso alarme para uma probabilidade de detecção de 98% nas duas células analisadas, apresentando reduções de até 84% em um módulo específico quando comparada ao LS.