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

Abstract

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].

Neutrinos Angra experiment: commissioning and first operational measurements

“…In the occurrence of an event, the front-end output signals are digitized by the NDAQ modules and sent to on-board FIFO memories waiting for a trigger decision. If the event is selected by the Trigger System [19], shown in figure 5, the corresponding data is transferred to the experiment data storage unit for future analysis. For a fast trigger decision, the selection algorithm was developed to be implemented in a dedicated FPGA.…”