Rekonstruktion från detektordata med hjälp av neurala nätverk

Typ
Examensarbete för kandidatexamen
Bachelor Thesis
Program
Publicerad
2018
Författare
Olander, Jacob
Skarin, Miriam
Svensson, Pontus
Wadman, Jakob
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Denna rapport demonstrerar hur artificiella neurala nätverk utifrån data från partikeldetektorer kan rekonstruera relevanta egenskaper hos partiklar skapade vid kärnfysikexperiment. Enkla fall undersöks där energin hos en -partikel ska bestämmas, men även mer komplexa fall där både energin och emissionsriktningen hos flera partiklar ska rekonstrueras. Arbetsprocessen har till stor del varit iterativ, där mycket fokus lagts på att optimera kostnadsfunktionen. Rekonstruktionen kan utföras för både en och flera partiklar och är inte begränsad till att behandla en partikelegenskap åt gången. Slutsatsen av undersökningen är att artificiella neurala nätverk kan användas för att rekonstruera partikelegenskaper, men att de metoder som utvecklats i detta arbete, ännu inte är bättre än befintliga rekonstruktionsmetoder grundade i fysik. Fortsatta studier behövs för att definitivt kunna avgöra om artificiella neurala nätverk kan användas för att göra bättre rekonstruktioner än vad som i dagsläget är möjligt.
Beskrivning
Ämne/nyckelord
Fysik, Physical Sciences
Citation
Arkitekt (konstruktör)
Geografisk plats
Byggnad (typ)
Byggår
Modelltyp
Skala
Teknik / material