Reconstrução de Energia no Calorímetro Hadrônico do ATLAS para Fase de Alta Luminosidade do LHC

Abstract

Este trabalho está ambientado no calorímetro hadrônico (TileCal) do experimento ATLAS, no LHC. O TileCal possui milhares de canais de leitura e opera sob elevada taxa de eventos. Nesse contexto, a reconstrução da energia dos eventos é realizada por meio da detecção e estimação da amplitude do sinal digitalizado. Essa estimativa é tradicionalmente feita utilizando um método linear que busca minimizar a variância, conhecido como Filtro Ótimo (Optimal Filter – OF). Entretanto, em ambientes de alta luminosidade (alta taxa de eventos), ocorre o fenômeno de empilhamento de sinais (pile-up), o que compromete o desempenho de métodos lineares. Em cenários com alta probabilidade de empilhamento, esses métodos apresentam perda significativa de eficiência. Diante disso, este trabalho explora a associação de um método não linear — especificamente, uma rede neural do tipo MLP — ao método linear tradicional, avaliando os ganhos de desempenho e os benefícios dessa abordagem híbrida na reconstrução da energia.