Neural triggering system operating on high resolution calorimetry information

Anjos, A. Dos; Torres, Rodrigo Coura; Seixas, J. M.; Ferreira, B.C.; Xavier, Thiago Ciodaro

doi:10.1016/j.nima.2005.11.132

Cited by 38 publications

(39 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The neural network were trained using the backpropagation algorithm [1]. In order to compare the discrimination efficiency for the proposed classifiers, the SP index [1,14] was applied. The SP index is computed through…”

Section: Resultsmentioning

confidence: 99%

Neural leptonjets/jet discrimination in highly segmented calorimeters

Souza¹,

Seixas²

2016

Anais Do 10. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Section: Resultsmentioning

confidence: 99%

Neural leptonjets/jet discrimination in highly segmented calorimeters

Souza¹,

Seixas²

2016

Anais Do 10. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

“…No trabalho [6] foi proposto um sistema de identificação de partículas alternativo ao discriminador padrão que opera no L2 do detector. O Neural Ringer efetua um pré-processamento topológico da informação de cada camada do calorímetro, localizando primeiramente a célula de maior deposição energética na camada e somando o valor das células localizadas em "anéis" concêntricos a este ponto.…”

Section: A O Discriminador Neural Ringerunclassified

Otimização do Sistema Neural de Seleção Online de Eventos num Detector de Partículas através do Processamento Estatístico de Sinais

Souza¹,

Filho²,

Farias³

et al. 2016

Anais Do 11. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Abstract-The ATLAS is the largest particle detector of the LHC (Large Hadron Collider). Considering the different ATLAS subsystems, the calorimeter comprises more than 100,000 sensors and is responsible for measuring the energy of the incoming particles. Electron detection is very important to the experiment as these particles are directly related to interesting physical signatures. The identification of electrons heavily relies on calorimeter information, and the background noise, composed of hadronic jets, may occur with frequencies up to 10 5 times higher than the physics of interest, making the identification process a difficult task. In previous studies it has been proposed an alternative electron detection algorithm (Neural Ringer), in which the energy profile measured at the calorimeter is formatted into concentric rings and these signals are used to feed an artificial neural network classifier. This work proposes the use of statistical signal processing techniques added to the Neural Ringer chain, aiming at extracting more discriminant features from the preprocessed calorimeter information. Through the proposed technique it is possible to both, increase the efficiency of Neural Ringer discriminator and reduce the amount of stored information in 60%. Results with simulated data are used to show the benefits of the proposed method. I. INTRODUÇÃOO LHC (Large Hadron Collider) [1]é o maior e mais potente acelerador de partículas já construído. Possui um percurso circular de 27 km de extensão e conta com a participação de cientistas de mais de 36 países. O ATLASé um dos detectores de partículas do LHC e seu principal objetivoé identificar as características fundamentais da matéria [2]. O detector, conforme mostrado na Figura 1, possui um formato cilíndrico eé composto por sub-detectores especializados, que são: o detector de traço, que identifica a trajetória das partículas carregadas eletricamente; os calorímetros eletromagnético [3] e hadrônico [4], que medem a energia, e a câmara de múons, que detecta estas partículas (os múons) que possuem interação não relevante com os sub-detectores anteriores. O ATLAS recebe o produto das colisões de feixes de prótons do LHC que ocorrem numa taxa de até 40 MHz. Para esta frequência de colisões, o detector gera uma taxa de dados de aproximadamente 60 TB/s, sendo que a maior parte representa ruído de fundo para a identificação das propriedades físicas ainda não observadas experimentalmente. Para reduzir a alta taxa de eventos compostos na sua maioria por assinaturas de processos físicos já conhecidos, e portanto não relevantes para o experimento, foi desenvolvido um sistema de filtragem (trigger) online, composto por três níveis sequenciais, com complexidade e tempo de processamento crescentes [5].

show abstract

“…Also, since the relevant information from the discrimination point of view is known to be off-center, a sequential normalization is employed (dos Anjos et al, 2006). In this procedure, for each calorimeter layer, the normalized energy (E N ) of each ring is given by…”

Section: Wwwintechopencommentioning

confidence: 99%

“…The ROC curve (Van Trees, 2003) shows how the detection probability P D and false alarm probability P F vary as the decision threshold changes. The SP index (dos Anjos et al, 2006) is computed through…”

Section: Signal Processing 350mentioning

confidence: 99%