神经网络应用以改进漂移室径迹位置测量
高能物理 - 实验
2023-11-28 v1
摘要
本文描述了两个神经网络的应用，以改进漂移室位置测量。其中一个网络计算出漂移室单元时间-距离关系的数据驱动估计，该关系传统上由基于阳极和阴极丝几何结构、丝电势和气体特性的数值计算来估计。第二个网络额外利用漂移室中信号的全数字波形，从而获取关于全部电离簇集合的信息。该网络使用的信息多于仅依赖首个漂移电子到达时间的传统位置估计。原则上，即使多个电离簇无法分离，该技术也能改善分辨率，这与簇计数技术形成对比。报告了这两个网络应用于MEG II漂移室数据时的性能，并与传统方法进行了比较。
引用
@article{arxiv.2311.15541,
title = {Neural Network Applications to Improve Drift Chamber Track Position Measurements},
author = {Dylan Palo and William Molzon},
journal= {arXiv preprint arXiv:2311.15541},
year = {2023}
}
备注
20 pages, 12 figures