Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

logo del sistema bibliotecario dell'ateneo di padova

Compagnucci, Alessandro (2018) Development of Boosted decision trees for the energy reconstruction of the Inverse Beta Decay events in JUNO. [Laurea triennale]

Full text disponibile come:

[img]
Preview
PDF
2104Kb

Abstract

Modern experiments requires complicate algorithms to extract data for physical analysis. The boosted decision trees techniques, having received a considerable boost during the last years, are becoming a useful tool for addressing many tasks of data processing and provide in some cases better performance than traditional methods. The Jiangmen Underground Neutrino Observatory (JUNO), a next generation experiment under construction in South of China, has been designed to measure the neutrino mass hierarchy. Moreover, thanks to its large active mass, JUNO will be able to observe neutrinos coming from different sources: solar neutrinos, atmospheric neutrinos, geo-neutrinos and neutrinos produced by the explosion of supernovae. The core of the experiment is made of 20 kton Liquid Scintillator whose scintillation light is seen by almost 20000 large size (20") photo-multipliers with high quantum efficiency, and by \num{25000} small size (3") photo-multipliers. The raw data will have to be further processed to reconstruct the proper observables and for this task boosted decision trees will be adopted for neutrino energy reconstruction. The techniques are very powerful and allow to discriminate in an efficient way signal from background. Gli esperimenti moderni necessitano di complicati algoritmi per estrarre i dati necessari all'analisi fisica. Le tecniche che applicano i boosted decision trees, considerato il notevole incremento prestazionale degli ultimi anni, possono svolgere diversi compiti nell'analisi dati e garantiscono in certi casi migliori performance dei metodi tradizionali. JUNO (Jiangmen Underground Neutrino Observatory), un esperimento della nuova generazione in costruzione nel sud della Cina, è stato progettato per misurare la gerarchia di massa dei neutrini. Inoltre, grazie alle sue notevoli dimensioni, JUNO sarà in grado di osservare i neutrini provenienti da diverse sorgenti: neutrini solari, geo-neutrini e neutrini prodotti dalle esplosioni delle supernove. Al centro dell'esperimento risiedono \num{20000} tonnellate di scintillatore liquido, gli eventi sono rivelati da quasi 20000 fotomoltiplicatori di grandi dimensioni (20") dalla elevata efficienza, e da \num{25000} fotomoltiplicatori di piccole dimensioni (3"). I dati grezzi provenienti dai rivelatori necessitano di essere processati per ricostruire gli osservabili fisici e per questo compito saranno utilizzati i boosted decision trees, nello specifico nella ricostruzione dell'energia. Queste tecniche permettono di discriminare il segnale dal rumore in modo efficiente.

Item Type:Laurea triennale
Corsi di Laurea Triennale:Scuola di Scienze > Fisica
Uncontrolled Keywords:Neutrinos, machine learning, Boosted decision trees, JUNO
Subjects:Area 02 - Scienze fisiche > FIS/01 Fisica sperimentale
Codice ID:62112
Relatore:Garfagnini, Alberto
Correlatore:Malyshkin, Yuri
Data della tesi:27 November 2018
Biblioteca:Polo di Scienze > Dip. Fisica e Astronomia "Galileo Galilei" - Biblioteca
Tipo di fruizione per il documento:on-line per i full-text
Tesi sperimentale (Si) o compilativa (No)?:Yes

Solo per lo Staff dell Archivio: Modifica questo record