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...

Author: Wilk, Alexander
Further contributors: Wessels, Johannes Peter (Thesis advisor)
Division/Institute:FB 11: Physik
Document types:Doctoral thesis
Media types:Text
Publication date:2010
Date of publication on miami:07.06.2010
Modification date:06.05.2016
Edition statement:[Electronic ed.]
Subjects:Übergangsstrahlungsdetektor; neuronale Netze; Teilchenidentifikation; ALICE TRD; Mustererkennung
DDC Subject:530: Physik
License:InC 1.0
Language:Englisch
Format:PDF document
URN:urn:nbn:de:hbz:6-97469411383
Permalink:https://nbn-resolving.de/urn:nbn:de:hbz:6-97469411383
Digital documents: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.