Desconvolução de sinais para estimação de energia em sistemas de calorimetria operando a alta taxa de eventos
DOI:
https://doi.org/10.14295/vetor.v34i2.18340Palavras-chave:
Reconstrução de sinal, Estimação de amplitude, Desconvolução de sinais, Alta luminosidade, Física experimental de altas energiasResumo
Este artigo visa avaliar o desempenho de um método baseado na Desconvolução de Sinais para a estimação da energia em calorímetros de altas energias. O contexto do trabalho compreende a reconstrução dos sinais produzidos pelos canais de leitura de um sistema de calorimetria e advindos de colisões de partículas atômicas. O tratamento do conjunto de dados é realizado no formato contínuo ou sequenciado (free-running), conforme o funcionamento de experimentos modernos que operam em alta taxa de eventos e alta luminosidade. Esse cenário permite definir qual a quantidade de janelamento das amostras pode ser adotada como ideal, buscando aprimorar a eficiência da reconstrução do sinal adquirido pelos canais de leitura. Além disso, a técnica de validação cruzada K-Fold também é empregada para a análise estatística do erro de estimação. Dessa maneira, a comparação de eficiência do método proposto com a técnica linear atualmente utilizada em calorímetros modernos é apresentada considerando diferentes condições de operação. O estudo identificou os janelamentos ideais para os métodos comparados na estimação de amplitudes sob as condições analisadas, assim como revelou a independência do método de Desconvolução em relação ao empilhamento, tornando-o vantajoso em condições de alta luminosidade.Downloads
Referências
N. Nebeker, “Fifty years of signal processing: The IEEE signal processing society and its technologies 1948-1998,” The IEEE Signal Processing Society, vol. 20, 1998. Disponível em: https://signalprocessingsociety.org/uploads/history/history.pdf
A. Lopes e M. L. Perrey, “Faq-lhc the guide,” CERN, Genève , Switzerland, Relatório técnico 1, 2022. Disponível em: https://cds.cern.ch/record/2255762/files/CERN-Brochure-2017-002-Eng.pdf
A. Rassat e M. Cirilli. (2017) From the web to a start-up near you. Página online CERN Courier. Disponível em: https://cerncourier.com/a/from-the-web-to-a-start-up-near-you/
P. L. Rocca e F. Riggi, “The upgrade programme of the major experiments at the large hadron collider,” Journal of Physics: Conference Series, vol. 515, no. 1, p. 012012, 2014. Disponível em: https://dx.doi.org/10.1088/1742-6596/515/1/012012
The ATLAS Collaboration, “The atlas experiment at the cern large hadron collider,” Journal of Instrumentation, vol. 3, no. 08, p. S08003, 2008. Disponível em: https://dx.doi.org/10.1088/1748-0221/3/08/S08003
S. de Miranda Rimes, B. S.-M. Peralva, L. M. de Andrade Filho, e J. M. de Seixas, “Qualidade de dados baseada em probabilidades para reconstrução da energia em calorimetria de altas energias,” The Journal of Engineering and Exact Sciences, vol. 9, no. 10, pp. 17 808–17 808, 2023. Disponível em: https://doi.org/10.18540/jcecvl9iss10pp17808
G. I. Gonçalves, B. S.-M. Peralva, J. M. de Seixas, L. M. de Andrade Filho, e A. S. Cerqueira, “Performance of optimal linear filtering methods for signal estimation in high-energy calorimetry,” Journal of Control, Automation and Electrical Systems, vol. 33, no. 5, pp. 1601–1611, 2022. Disponível em:https://doi.org/10.1007/s40313-022-00907-0
P. Klimek e O. behalf of the ATLAS Tile Calorimeter group, “Signal reconstruction performance with the atlas hadronic tile calorimeter,” Journal of Physics: Conference Series, vol. 404, no. 1, p. 012046, 2012. Disponível em: https://dx.doi.org/10.1088/1742-6596/404/1/012046
S. de Miranda Rimes, B. S.-M. Peralva, L. M. de Andrade Filho, e J. M. de Seixas, “Qualidade de dados baseada em probabilidades para reconstrução da energia em calorimetria de altas energias,” The Journal of Engineering and Exact Sciences, vol. 9, no. 10, pp. 17 808–17 808, 2023. Disponível em: https://doi.org/10.18540/jcecvl9iss10pp17808
ScikitLearn. (2024) Cross-validation: evaluating estimator performance. Explicação técnica da validação cruzada K-Fold por meio da biblioteca sicikit-learn. Disponível em: https://scikit-learn.org/stable/modules/cross_validation.html
A. V. Oppenheim, Discrete-time signal processing. Pearson Education India, 1999, ISBN: 0131988425.
L. M. de A. Filho, B. S. Peralva, J. M. de Seixas, e A. S. Cerqueira, “Calorimeter response deconvolution for energy estimation in high-luminosity conditions,” IEEE Transactions on Nuclear Science, vol. 62, no. 6, pp. 3265–3273, 2015. Disponível em: https://doi.org/10.1109/TNS.2015.2481714
S. d. M. Rimes, “Filtragem inversa não-linear para estimação de sinais em calorímetros operando a alta taxa de eventos,” Dissertação de mestrado, Universidade do Estado do Rio de Janeiro (UERJ), 2021. Disponível em: https://www.bdtd.uerj.br:8443/handle/1/16415
F. Szabo, The linear algebra survival guide: illustrated with Mathematica. Academic Press, 2015.
G. Morett. (2024) Repositório do método de desconvolução de sinais. GitHub. Disponível em: https://github.com/MorettGuilherme?tab=repositories