Uso de la Inteligencia Artificial en la Reconstrucción de Señales del Calorímetro Electromagnético PADME
Autores: Dimitrova, Kalina; ,
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Uso de la Inteligencia Artificial en la Reconstrucción de Señales del Calorímetro Electromagnético PADME
Categoría
Gestión y administración
Subcategoría
Gestión del conocimiento
Palabras clave
Aparato
Fotón oscuro
Calorímetro electromagnético
Cristales de BGO
Algoritmo basado en aprendizaje automático de regresión
Resolución subnanosegundos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
El aparato PADME fue construido en el Laboratorio Nacional Frascati del INFN para buscar un fotón oscuro producido a través del proceso. El componente central del detector PADME es un calorímetro electromagnético compuesto por 616 cristales de BGO dedicados a la medición de la energía y la posición de los fotones del estado final. La alta multiplicidad de partículas del haz durante una corta duración de pulso requiere una identificación y medición confiables de señales superpuestas. Se ha desarrollado un algoritmo basado en aprendizaje automático de regresión para desentrañar con alta eficiencia eventos cercanos en el tiempo y reconstruir con precisión la amplitud de los impactos y el tiempo con resolución subnanosegundos. Se presentan y discuten el rendimiento del algoritmo y la secuencia de mejoras que llevaron a los resultados obtenidos.
Descripción
El aparato PADME fue construido en el Laboratorio Nacional Frascati del INFN para buscar un fotón oscuro producido a través del proceso. El componente central del detector PADME es un calorímetro electromagnético compuesto por 616 cristales de BGO dedicados a la medición de la energía y la posición de los fotones del estado final. La alta multiplicidad de partículas del haz durante una corta duración de pulso requiere una identificación y medición confiables de señales superpuestas. Se ha desarrollado un algoritmo basado en aprendizaje automático de regresión para desentrañar con alta eficiencia eventos cercanos en el tiempo y reconstruir con precisión la amplitud de los impactos y el tiempo con resolución subnanosegundos. Se presentan y discuten el rendimiento del algoritmo y la secuencia de mejoras que llevaron a los resultados obtenidos.