Alıce TPC detektörünün pedestal ve eşik değerlerinin makine öğrenimi teknikleri ile analizi
Analysis of pedestal and threshold values of alice TPC detector by using machine learning techniques
- Tez No: 942804
- Danışmanlar: PROF. DR. SEHBAN KARTAL
- Tez Türü: Doktora
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Fizik, Gürültü analizi, Yapay zeka, Physics, Noise analysis, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Yüksek Enerji ve Plazma Fiziği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
ALICE deneyinin önemli alt dedektörlerinden biri olan Time Projection Chamber (TPC) sisteminde, veri kalitesinin ve dedektör performansının sürdürülebilirliği açısından dedektör elektroniğinin kararlı çalışması kritik öneme sahiptir. Bu kapsamda, TPC sistemine ait pedestal ve threshold verilerinin kalitesi ve kalibrasyonu önemli bir yer tutmaktadır. Dedektörün performansı açısından kritik öneme sahip olan bu veriler kullanılarak, delta (fark) dağılımı, trend tespiti ve kanal davranışlarının sınıflandırılması kullanılarak gürültü sapmaları, trendli kanallar ve anormal davranış gösteren kanallar ayrıntılı biçimde incelenmiş, kanal özellikleri çıkarılmıştır. Ayrıca, Kernel Density Estimation (KDE) ve Empirical Cumulative Distribution Function (ECDF) yöntemleri kullanılarak dedektörün farklı davranış senaryolarına uygun şekilde simülasyon tabanlı yapay veri üretimi gerçekleştirilmiş ve bu verilerin fiziksel gerçeklikle uyumu değerlendirilmiştir. Gerçek ve yapay veri setleri üzerinde yapılan makine öğrenmesi tabanlı sınıflandırmalar sonucunda kanal davranış tipleri belirlenmiş ve sonuçlar dedektör performansı, veri kalitesi ve sürekliliği, anomalilerin erken tespiti açısından yorumlanmıştır.
Özet (Çeviri)
In the Time Projection Chamber (TPC), one of the key sub-detectors of the ALICE experiment, the stable operation of the detector electronics plays a critical role in ensuring the sustainability of data quality and detector performance. In this context, the quality and calibration of pedestal and threshold data obtained from the TPC system hold significant importance. Utilizing these data—crucial for evaluating detector performance—delta (difference) distributions, trend detection, and channel behavior classification were applied to investigate noise deviations, trending channels, and anomalous behaviors in detail, and to extract characteristic features of the channels. Additionally, Kernel Density Estimation (KDE) and Empirical Cumulative Distribution Function (ECDF) methods were employed to generate simulation-based synthetic data representing various behavioral scenarios of the detector, and the consistency of these data with physical reality was evaluated. Based on both real and synthetic datasets, machine learning–based classification was performed to identify different types of channel behavior, and the results were interpreted in terms of detector performance, data quality and continuity, and early anomaly detection.
Benzer Tezler
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Realization of transmitter and receiver clock generation units and channel switching unit in a modified analog radio relay
Değiştirilen bir analog radyodaki verici ve alıcı saat üretimi birimleri ve kanal anahtarlama biriminin gerçekleştirilmesi
AYHAN BÜYÜKSEMERCİ
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT AŞKAR
- ŞAl2 Cr (HC00)3 (OH)3 Cl3Ö kompleksinin yapısı ve tabakalama“Tanning”kapasitesinin araştırılması
Başlık çevirisi yok
AYSUN AÇU
