Redes Neurais como um método de redução do Crosstalk entre sensores no calorímetro eletromagnético do experimento ATLAS

O ATLAS é o maior experimento do complexo do acelerador de partículas LHC no CERN. Está localizado em um dos pontos de colisão no túnel do acelerador e é composto de um conjunto de sub-detectores especializados para caracterizar as partículas produzidas nas colisões do LHC. Um desses detectores especializados é o calorímetro de Argônio Líquido (LAr), com cerca de 187k sensores para rastreamento e registro de chuveiros eletromagnéticos. O LAr tem uma granularidade fina e alta densidade de células que em associação com as altas taxas de colisão, estrutura mecânica e eletrônica e o sistema de leitura do detector produz efeitos de crosstalk (XT) entre células dificultando o processo de reconstrução da energia e do tempo de de voo da partícula incidente. Para tratar este desafio, foi um desenvolvido um simulador de chuveiro eletromagnético de partículas baseado no calorímetro LAr do ATLAS, junto com uma abordagem de aprendizagem de máquina para mitigar os efeitos do XT. Os resultados indicam que para altas energias a reconstrução se aproxima dos valores alvo e, por outro lado, em baixas energias é necessário um método especializado para tratar e normalizar os dados antes de aplicar uma rede neural para reconstruir os valores das energias.