Particle identification using artificial neural networks with the ALICE transition radiation detector

Der ALICE Übergangsstrahlungsdetektor (TRD) wurde als Tracking-Detektor, als Trigger-Detektor für Elektronen und für die Identifikation von Elektronen konzipiert. Das Konstruktionsziel für den Übergangsstrahlungsdetektor war eine Pioneneffizienz von 1% bei einer Elektroneneffizienz von 90% zu erreic...

Verfasser: Wilk, Alexander
Weitere Beteiligte: Wessels, Johannes Peter (Gutachter)
FB/Einrichtung:FB 11: Physik
Dokumenttypen:Dissertation/Habilitation
Medientypen:Text
Erscheinungsdatum:2010
Publikation in MIAMI:07.06.2010
Datum der letzten Änderung:06.05.2016
Angaben zur Ausgabe:[Electronic ed.]
Schlagwörter:Übergangsstrahlungsdetektor; neuronale Netze; Teilchenidentifikation; ALICE TRD; Mustererkennung
Fachgebiet (DDC):530: Physik
Lizenz:InC 1.0
Sprache:English
Format:PDF-Dokument
URN:urn:nbn:de:hbz:6-97469411383
Permalink:https://nbn-resolving.de/urn:nbn:de:hbz:6-97469411383
Onlinezugriff:diss_wilk.pdf

Der ALICE Übergangsstrahlungsdetektor (TRD) wurde als Tracking-Detektor, als Trigger-Detektor für Elektronen und für die Identifikation von Elektronen konzipiert. Das Konstruktionsziel für den Übergangsstrahlungsdetektor war eine Pioneneffizienz von 1% bei einer Elektroneneffizienz von 90% zu erreichen. Das Signal das im TRD zur Teilchenidentifikation benutzt wird besteht aus zwei Komponenten. Geladene Teilchen, die den Übergangsstrahlungsdetektor durchqueren, deponieren Energie durch Stoßionisation. Zusätzliche dazu produtieren Elektronen Übergangsstrahlung die früh im Driftbereich des TRD absorbiert wird. In dieser Arbeit wurde die Anwendung von neuronalen Netzen für die Teilchenidentifikation mit dem TRD untersucht. Als Eingangsgröße für die Netze wurde das Signal in mehrere Abschnitte unterteilt. Die Ergebnisse sowohl von Teststrahl-Experimenten als auch von Simulationen zeigen, dass mit neuronalen Netzen eine bessere Teilchenidentifikation erreichbar ist, als mit anderen Methoden.