Abstract

Métodos inovadores para estimação de energia e detecção de sinais em calorimetria de altas energias são explorados, com foco na atualização do Calorímetro de Telhas (TileCal) do experimento ATLAS para o High-Luminosity Large Hadron Collider (HL-LHC), cuja operação está prevista para 2029. O programa de atualização do TileCal impõe mudanças na forma de processar o sinal visando atender aos novos requisitos de operação do experimento. Desta forma, este trabalho propõe o emprego de um método linear baseado no método dos mínimos quadrados, assistido por um modelo não linear implementado por uma rede neural perceptron multicamadas. Os resultados mostram melhorias significativas na redução do erro de estimação e na classificação de sinais, especialmente sob altas taxas de ocupação do detector, como previsto na operação do HL-LHC.