Publicación: Evaluación de clasificadores para la identificación de pulsos de alta frecuencia en el marco del proyecto DUNE
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: En el marco del Deep Underground Neutrino Experiment (DUNE), experimento que busca estudiar el comportamiento de las partículas subatómicas de tipo neutrino, se realizó un estudio bibliográfico de 15 algoritmos que permiten clasificar entre lo que es una señal y lo que es ruido para la adquisición de los pulsos generados por los fotoelectrones resultantes de la colisión entre los neutrinos y el argón líquido mediante el fenómeno de centelleo. De los algoritmos consultados se seleccionaron tres basados en distintos enfoques: árboles de decisión, los detectores de Neyman – Pearson y el método de la derivada modificada. Posteriormente se realizó un simulador capaz de producir señales similares a las obtenidas en el experimento, pudiendo generarlas con diferentes niveles energéticos, todo esto mediante el uso de un algoritmo programado en el software Vivado®. También se realizaron múltiples entornos de simulación en el lenguaje Python® para calcular la probabilidad de detección de cada uno de estos algoritmos. El algoritmo que presentó mayor probabilidad de detección (94.33%) fue la derivada modificada, cumpliendo con los estándares del experimento DUNE (probabilidad de detección mayor al 90%), por lo que se implementó en Vivado, esto permitió corroborar las simulaciones hechas en Python ® y concluir que es un algoritmo idóneo para la clasificación de señales con morfologías similares a las de los pulsos generados en DUNE de alta frecuencia, que para el caso, requieren tasas de muestreo de 62.5Mhz.
Resumen en inglés
ABSTRACT: As part of the Deep Underground Neutrino Experiment (DUNE)—an experiment aimed at studying the behavior of subatomic particles known as neutrinos, a literature review was conducted on 15 algorithms capable of classifying what constitutes a signal and what constitutes oise in the acquisition of signals generated by photoelectrons. These photoelectrons result from the collision between neutrinos and liquid argon through a scintillation phenomenon. From the reviewed algorithms, three were selected based on different approaches: decision trees, Neyman–Pearson detectors, and the modified derivative method. A simulator was then developed to produce signals similar to those obtained in the actual experiment, allowing signal generation at various energy levels using Vivado ®. Additionally, multiple simulation environments were implemented in Python® to compute the detection probability of each of these algorithms. The algorithm that achieved the highest detection probability (94.33%) was the modified derivative method, meeting DUNE's standard (detection probability greater than 90%). As a result, it was implemented in Vivado®, allowing the validation of the Python® simulations and confirming that this algorithm is suitable for classifying signals with morphologies like the high-speed pulses generated in DUNE, which in this case require sampling frequencies of 62.5 MHz.