A deep learning approach to proton background rejection for positron analysis with the AMS electromagnetic calorimeter
AMS elektromanyetik kalorimetresi ile pozitron analizi için proton arkaplan reddine bir derin öğrenme yaklaşımı
- Tez No: 786262
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE AKBAŞ, Prof. Dr. MELAHAT BİLGE DEMİRKÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Dönüştürücüler, Kalorimetre, Kozmik ışınlar, Parçacık fiziği, Deep learning, Transformers, Calorimeter, Cosmic rays, Particle physic
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Alfa Manyetik Spektrometresi (AMS), Uluslararası Uzay İstasyonunda altı farklı alt dedektör içeren yüksek hassasiyetli bir parçacık detektörüdür. Geçiş Radyasyonu Detektörü ve Elektromanyetik Kalorimetresi (ECAL), kozmik ışınlarda bol olan proton arka planından elektronları/pozitronları ayırmak için kullanılır. AMS tarafından uzayda ölçülen pozitron akısı, beklenmedik bir şekilde 25 GeV'nin üzerinde yumuşayan ve ardından 280 GeV'nin üzerinde sertleşen bir güç yasasıyla düşer. Birkaç teorik model bu fenomeni açıklamaya çalışır ve onları test etmeye yardımcı olmak için daha yüksek enerjilerde pozitronların daha saf bir ölçümüne ihtiyaç bulunmaktadır. Yüksek enerjilerde proton arka planını reddetmek için şu anda kullanılan yöntemler, güçlendirilmiş karar ağacı ve olasılık sınıflandırıcılarına girdi olarak kullanmak üzere ECAL'den parçacık yağmurunun özelliklerinin tahmin edilmesini içerir. Derin öğrenmeyi (DÖ) kullanarak AMS ECAL ile parçacık tanımlama için yeni bir yaklaşım sunuyoruz. Tüm ECAL hücrelerindeki enerji birikimini bir girdi olarak alarak ve bunlara görüntü benzeri bir formatta pikseller olarak davranarak, parçacık yağmur sınıflandırıcıları olarak bir MLP, bir CNN ve birden çok ResNet'ler ve Evrişimsel Görüntü Dönüştürücü'ler (CvT) eğitiyoruz. Proton reddetme performansı, Monte Carlo (MC) olayları ve AMS verileri kullanılarak ayrı ayrı değerlendirilir. MC için, %90 elektron doğruluğunda 0,2 – 2 TeV arasında yeniden yapılandırılmış enerjiye sahip olaylar kullanıldığında, CvT modelimizin proton reddetme gücü, hem diğer DÖ modellerinden hem de AMS modellerinden 5 kat daha fazladır. Benzer şekilde, yeniden yapılandırılmış enerjisi 50 – 70 GeV arasında olan AMS verileri için, CvT modelimizin proton reddetme gücü, AMS modellerinden 2,5 kat daha fazladır.
Özet (Çeviri)
The Alpha Magnetic Spectrometer (AMS) is a high-precision particle detector onboard the International Space Station containing six different subdetectors. The Transition Radiation Detector and Electromagnetic Calorimeter (ECAL) are used to separate electrons/positrons from the abundant cosmic-ray proton background. The positron flux measured in space by AMS falls with a power law which unexpectedly softens above 25 GeV and then hardens above 280 GeV. Several theoretical models try to explain these phenomena, and a purer measurement of positrons at higher energies is needed to help test them. The currently used methods to reject the proton background at high energies involve extrapolating shower features from the ECAL to use as inputs for boosted decision tree and likelihood classifiers. We present a new approach for particle identification with the AMS ECAL using deep learning (DL). By taking the energy deposition within all the ECAL cells as an input and treating them as pixels in an image-like format, we train an MLP, a CNN, and multiple ResNets and Convolutional vision Transformers (CvTs) as shower classifiers. Proton rejection performance is evaluated using Monte Carlo (MC) events and AMS data separately. For MC, using events with a reconstructed energy between 0.2 – 2 TeV, at 90% electron accuracy, the proton rejection power of our CvT model is more than 5 times that of both the other DL models and the AMS models. Similarly, for AMS data with a reconstructed energy between 50 – 70 GeV, the proton rejection power of our CvT model is more than 2.5 times that of the AMS models.
Benzer Tezler
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER