Desenvolvimento de um Simulador e Estudo de Mitigação de Crosstalk para Calorímetros Eletromagnéticos

Abstract

A instrumentação eletrônica para experimentos de física de altas energias demanda sensores com elevada densidade de canais e precisão na aquisição de sinais. Neste contexto, o crosstalk surge como um fenômeno crítico, caracterizado pela interferência eletromagnética entre canais de leitura adjacentes, que degrada a estimativa de energia e tempo das partículas detectadas. Esta tese tem como objetivo principal o desenvolvimento de um ambiente computacional para simulação e estudo de métodos de mitigação de crosstalk em calorímetros eletromagnéticos, tomando como referência o calorímetro de argônio líquido (LAr) do experimento ATLAS. A metodologia empregada baseia-se na extensão do framework Lorenzetti Showers, no qual foram implementados módulos inéditos para a simulação do tempo de voo das partículas e para a modelagem do crosstalk em nível de sinal, considerando os acoplamentos capacitivo e indutivo. A partir deste ambiente, foram gerados conjuntos de dados compostos por elétrons de 50 GeV e eventos de decaimento Z → e⁻e⁺, com e sem a presença de ruído eletrônico, compondo eventos distribuídos em diferentes configurações geométricas de incidência dos chuveiros. Os resultados apresentados demonstram que a calibração do tempo de voo implementada removeu satisfatoriamente o viés temporal nas células, evidenciado pela convergência das distribuições de tempo para valores próximos de zero nas camadas EM1 e EM2. A simulação do crosstalk reproduziu as distorções esperadas nas formas de onda, resultando em vieses sistemáticos na reconstrução de energia e do tempo de voo. Para a mitigação desses efeitos, foram propostas e avaliadas arquiteturas de redes neurais do tipo perceptron multicamadas (MLP) com estratégias de otimização baseadas em erro quadrático médio (MSE) e erro quadrático médio normalizado (NMSE). Os modelos com uma camada oculta e 75 neurônios treinados com MSE, apresentaram os melhores compromissos entre desempenho e complexidade, alcançando coeficientes de determinação (R²) superiores a 0,95 para a energia reconstruída na célula central, enquanto o NMSE mostrou-se mais eficaz na recuperação de células periféricas com baixa relação sinal-ruído. Conclui-se que a plataforma desenvolvida constitui uma ferramenta robusta para investigação do crosstalk e que as abordagens de aprendizado de máquina propostas apresentam potencial para a correção seletiva dos sinais, orientando o desenvolvimento futuro de modelos que integrem a estimativa direta de energia e tempo à correção dos pulsos.