Speaker
Description
Atualmente, o LHC está em processo de upgrade, devendo aumentar vertiginosamente a sua luminosidade (HL-LHC) e, assim, o número de eventos físicos para análise em cada colisão. Com isso, as condições de operação do ATLAS se tornam muito mais inóspitas e exigentes, pois haverá empilhamento de sinais nos seus sub-detectores e, assim, maior dificuldade em identificar os canais físicos de interesse.
De modo a se adequar aos novos desafios, o ATLAS também desenvolve um extenso programa de upgrade, com particular destaque para o seu sistema de calorimetria. O principal calorímetro hadrônico do ATLAS (TileCal) vem desenvolvendo novos algoritmos de estimação de energia (tanto online, como offline) para se adequar a essas novas demandas.
Neste trabalho, serão apresentados os atuais desenvolvimentos em estimação de energia para o Tilecal, no contexto do HL-LHC. Foram propostas a deconvolução de sinais, baseada em filtros digitais FIR (Finite Impulse Response), e técnicas baseadas em Redes Neurais Artificiais com modelos de Aprendizagem Profunda,
visando otimizar a estimação de energia na presença de ruído não-Gaussiano, que resulta do elevado empilhamento de sinais no calorímetro. Detalhes do projeto em tecnologia embarcada para operação online também serão discutidos.
| Key Words | Reconstrução de Energia; HL-LHC, Empilhamento de Sinais |
|---|
