| Campo DC | Valor | Idioma |
|---|
| dc.creator | Figueredo, Caroline RIbeiro | - |
| dc.date.accessioned | 2026-03-24T19:49:36Z | - |
| dc.date.available | 2026-03-24T19:49:36Z | - |
| dc.date.issued | 2025-07-22 | - |
| dc.identifier.uri | https://repositorio.ufba.br/handle/ri/44289 | - |
| dc.description.abstract | The ATLASdetector(AToroidalLHCApparatuS),partoftheLargeHadronCollider(LHC)at
CERN, isoneofthelargestandmostcomplexparticlephysicsexperimentseverbuilt.Itiscomposed
of severalsubsystems,includingthecalorimetrysystem,whichconsistsoffinelysegmenteddetectors
responsible formeasuringtheenergyandpositionofparticles.ATLASwasdesignedtodetectandclassify
subatomic particlesproducedinhigh-energycollisions.Oneofthechallengesfacedintheexperiment
is thecalibrationoftheenergyofthedetectedparticles,whichisessentialtoensuretheaccuracyof
the analysesperformed.ThisstudyinvestigatedtheenergycalibrationoftheATLAScalorimeterusing
regressorsbasedonGradientBoostedDecisionTrees(GBDT)andfeedforwardneuralnetworksofthe
Multilayer Perceptron(MLP)type,whichreceivedasinputstructurescalledStandardRingsandQuarter
Rings. Thesestructuresarebuiltfromcalorimeterinformationandorganizedinawaythatpreserves
the spatialcharacteristicsofparticleshowers.Fromthedefinitionofaregionofinterestaroundthe
particle’sinteractionpoint,thesignalsfromthesensorsarearrangedinconcentricrings.TheStandard
Rings encodetheenergyofthecellscontainedineachringforeachcalorimeterlayer,whiletheQuarter
Rings areobtainedbydividingeachStandardRingintofourparts—exceptforthefirstring(HotCell)
— allowingthecaptureofasymmetriesintheenergydepositionprofile.Oneofthemainchallenges
in calorimetercalibrationisdealingwithvariationsinthedetectorresponse,whichcanbesignificant
depending ontheparticles’transverseenergy(ET ) andpseudorapidity(η), ageometricparameterthat
describes theparticle’spositionrelativetothebeamaxis.Thesevariationsbecomeparticularlycritical
at lowenergyvalues,whereelectronidentificationismoredifficultduetothecharacteristicenergy
deposition profile.Thecalibrationfactor(α), definedastheratiobetweentheMonteCarlosimulated
energyandtheenergyestimatedbytheHighLevelTrigger(HLT),isappliedtotherawenergyprovided
by theFastCaloalgorithminordertocorrectdistortionsresultingfromenergylossesinthedetector.
Another aspectconsideredinthisstudyistheimpactofpile-up—multiplesimultaneousinteractionsina
single collision—whichaffectsthepreciseidentificationandreconstructionofparticles.Therefore,the
analysis wasconductedunderdifferentscenarios,withandwithoutthepresenceofpile-up,andusing
differentinputstrategies:rawdataanddataderivedfromtheextractionofenergeticandasymmetric
variables.Theresultsindicatethatalthoughpile-uppartiallyreducescalibrationeffectiveness—especially
in energy-basedestimates—thetestedmodelsmaintainedrobustperformance.TheQuarterRingsstood
out byshowingmoresignificantgainsincertainpseudorapidityregions,whiletheapplicationoffeature
extractioncontributedtoimprovingtheestimates,althoughsomeconfigurationsprovedmoresensitiveto
complexexperimentalenvironments.TheuseofQuarterRingsledtoimprovementsofupto18.08%in
pseudorapidity-based calibrationandupto15.2%inenergy-basedcalibration,showingaclearadvantage
overtheuncalibratedscenarioandperformancesimilartothatobtainedwithStandardRings.Theseresults
reinforce thefeasibilityofusingspatiallyrefinedstructures,suchastheQuarterRings,combinedwith
machine learningmodelstoimproveATLAScalorimetercalibration,evenunderadverseconditionssuch
as thepresenceofpile-up.Theproposedapproachoffersapromisingalternativeforfutureimprovements
in fastreconstructionsystemsandeventanalysisintheexperiment. | pt_BR |
| dc.description.sponsorship | Capes | pt_BR |
| dc.language | por | pt_BR |
| dc.publisher | Universidade Federal da Bahia | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | Detector Atlas | pt_BR |
| dc.subject | Calibração de energia | pt_BR |
| dc.subject | Inteligência artificial | pt_BR |
| dc.subject | Quarter Rings | pt_BR |
| dc.subject | Rede neural | pt_BR |
| dc.subject.other | Atlas Detector | pt_BR |
| dc.subject.other | Energy calibration | pt_BR |
| dc.subject.other | Artificial intelligence | pt_BR |
| dc.subject.other | Quarter Rings | pt_BR |
| dc.subject.other | Neural network | pt_BR |
| dc.title | Calibração das medições de energia em um detector de partículas utilizando informações de assimetria do perfil de deposição no calorímetro e técnicas de inteligência artificial | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) | pt_BR |
| dc.publisher.initials | UFBA | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.subject.cnpq | CNPQ::ENGENHARIAS | pt_BR |
| dc.contributor.advisor1 | Farias, Paulo César Machado de Abreu | - |
| dc.contributor.referee1 | Farias, Paulo Cesar Machado de Abreu | - |
| dc.contributor.referee2 | Oliveira, Roberto Célio Limão de | - |
| dc.contributor.referee3 | Fernandes Junior, Antonio Carlos Lopes | - |
| dc.contributor.referee4 | Oliveira, Wagner Luiz Alves de | - |
| dc.contributor.referee5 | Figueredo, Caroline Ribeiro | - |
| dc.creator.Lattes | https://lattes.cnpq.br/0229197643548730 | pt_BR |
| dc.description.resumo | O detector ATLAS (A Toroidal LHC ApparatuS), parte do Large Hadron Collider (LHC) do
CERN, é um dos maiores e mais complexos experimentos em física de partículas já construídos. Ele é
composto por diversos subsistemas, incluindo o sistema de calorimetria, formado por detectores finamente
segmentados, responsáveis por medir a energia e a posição das partículas. O ATLAS foi projetado para
detectar e classificar partículas subatômicas produzidas nas colisões de alta energia. Um dos desafios
enfrentados no experimento é a calibração da energia das partículas detectadas, essencial para garantir a
acurácia das análises realizadas. Este trabalho investigou a calibração de energia do calorímetro do ATLAS,
utilizando regressores baseados em Gradient Boosted Decision Tree (GBDT) e Redes Neurais Feedforward
do tipo Multilayer Perceptron (MLP), que receberam como entrada estruturas chamadas Standard Rings
e Quarter Rings. Essas estruturas são construídas a partir das informações do calorímetro, organizadas
de forma a preservar características espaciais dos chuveiros de partículas. A partir da definição de uma
região de interesse ao redor do ponto de interação da partícula, os sinais dos sensores são organizados em
anéis concêntricos. Os Standard Rings codificam a energia das células contidas em cada anel para cada
camada do calorímetro, enquanto os Quarter Rings são obtidos pela divisão de cada Standard Rings em
quatro partes, com exceção do primeiro anel (HotCell), permitindo capturar as assimetrias no perfil de
deposição de energia. Um dos desafios enfrentados na calibração do calorímetro é lidar com as variações
na resposta do detector, que podem ser significativas em função da energia transversa das partículas (ET )
e da pseudorapidez (η), um parâmetro geométrico que descreve a posição da partícula em relação ao eixo
do feixe. Essas variações tornam-se particularmente críticas em baixos valores de energia, nos quais a
identificação de elétrons é mais desafiadora devido ao perfil característico de deposição de energia. O fator
de calibração (α), definido como a razão entre a energia simulada por Monte Carlo e a energia estimada
no High Level Trigger (HLT), é aplicado à energia bruta fornecida pelo algoritmo FastCalo com o objetivo
de corrigir distorções decorrentes de perdas no detector. Outro aspecto considerado neste estudo é o
impacto do pile-up, múltiplas interações simultâneas em uma mesma colisão, que afeta a identificação e a
reconstrução precisa das partículas. Por isso, a análise foi conduzida em diferentes cenários, com e sem a
presença de pile-up, e utilizando diferentes estratégias de entrada: dados brutos e pela extração de variáveis
energéticas e assimétricas. Os resultados indicam que, embora o pile-up reduza parcialmente a eficácia da
calibração, especialmente nas estimativas em função da energia, os modelos testados mantêm desempenho
robusto. Os Quarter Rings se destacaram por apresentar ganhos mais expressivos em determinadas faixas
de pseudorapidez, enquanto a aplicação da extração de atributos contribuiu para a melhoria das estimativas,
embora algumas configurações tenham se mostrado mais sensíveis a ambientes experimentais complexos.
A utilização dos Quarter Rings proporcionou uma melhora de até 18,08% na calibração em relação à
pseudorapidez e de até 15,2% em relação à energia, demonstrando vantagem em comparação ao cenário
sem calibração, e desempenho semelhante ao obtido com os Standard Rings. Esses resultados reforçam a
viabilidade do uso de estruturas espacialmente refinadas, como os Quarter Rings, associadas a modelos
de aprendizado de máquina para aprimorar a calibração do calorímetro do ATLAS, mesmo em condições
adversas como a presença de pile-up. A abordagem proposta oferece uma alternativa promissora para
futuras melhorias nos sistemas de reconstrução rápida e análise de eventos no experimento. | pt_BR |
| dc.publisher.department | Escola Politécnica | pt_BR |
| dc.type.degree | Mestrado Acadêmico | pt_BR |
| Aparece nas coleções: | Dissertação (PPGEE)
|
