In this study, it was investigated how effective the use of deep learning artificial neural networks can be in distinguishing neutral pion and single photon in an electromagnetic sampling calorimeter. The sampling calorimeter was constructed in the form of a 9×9 matrix array with the Geant4 simulation program. Identification of the particles was carried out by using the shower images created by the neutral pion and a single photon at different energies in the calorimeter. First, differences in shower images were observed using image parameters. Then, the topologies created by the shower images were used as input parameters in deep learning structures to distinguish the particles. It has been observed that very high signal efficiency and background rejection values can be achieved under the specified simulation conditions with machine learning.
Artificial Neural Network Electromagnetic Calorimeter Photon Interaction Particle Identification
Bu çalışmada, bir elektromanyetik örnekleme kalorimetresinde nötr pion ve tek fotonun ayırt edilmesinde derin öğrenme yapay sinir ağlarının kullanılmasının ne kadar etkili olabileceği araştırılmıştır. Örnekleme kalorimetresi 9×9 matris dizini şeklinde Geant4 benzetim programı ile oluşturulmuştur. Nötr pion ve tek fotonun farklı enerjilerde kalorimetrede oluşturduğu duş görüntüleri kullanılarak parçacıkların tanımlanması gerçekleştirilmiştir. İlk olarak, görüntü parametreleri kullanılarak duş görüntülerindeki farklılıklar gözlemlenmiştir. Daha sonra, derin öğrenme yapıları içerisinde duş görüntülerinin oluşturduğu topolojiler giriş parametreleri olarak kullanılarak parçacıkların ayırt edilmesine çalışılmıştır. Makine öğrenmesi ile birlikte belirtilen benzetim koşullarında oldukça yüksek seviyede sinyal verimliliği ve arkaplan reddi değerlerine ulaşılabileceği görülmüştür.
Yapay Sinir Ağları Elektromanyetik Kalorimetresi Foton Etkileşmesi Parçacık Tanımlanması
Birincil Dil | Türkçe |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 31 Aralık 2021 |
Yayımlandığı Sayı | Yıl 2021 Sayı: 32 |