Publication: A framework for data simulation and analysis of the BabyCal electromagnetic calorimeter
Date
2023-07
Authors
Hebel Lobos, Daniel León
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Este trabajo de título presenta un sistema automatizado capaz de simular, traducir y analizar eficientemente datos de física de alta energía (HEP) generados por el calorímetro electromagnético simulado BabyCal. Mediante el uso de software de simulación de datos HEP, clústeres de computadoras y algoritmos de aprendizaje automático, incluidas redes neuronales convolucionales (CNN) y autoencoders, el sistema logra procesar con éxito un dataset de aproximadamente 10.000 entradas. Usando el Framework, se generaron datos simulados de partículas de muones y antimuones, además de implementarse CNNs y autoencoders para analizar los datos. El Framework se probó y evaluó con partículas de muones y antimuones. Esto condujo a un desafío interesante, desde el punto de vista computacional, con respecto a la diferenciación entre los dos. El análisis mostró que los muones y los antimuones exhiben muchas similitudes de comportamiento cuando chocan con el BabyCal simulado usando en el caso de la representación utilizada. Los resultados del experimento mostraron que los autoencoders pudieron reconstruir muones, logrando precisiones de hasta un 98%. Este trabajo es un punto de partida que sirve como una herramienta útil de análisis de datos, ayudando a los investigadores en su labor.
Description
Keywords
COMPUTER CLUSTERS , HIGH ENERGY PHYSICS , DATA SIMULATION , DATA ANALYSIS , MACHINE LEARNING