Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Identification of Beam Particles Using Detectors based on Cerenkov effect and Machine Learning in the COMPASS Experiment at CERN

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F22%3A00374235" target="_blank" >RIV/68407700:21340/22:00374235 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Identification of Beam Particles Using Detectors based on Cerenkov effect and Machine Learning in the COMPASS Experiment at CERN

  • Popis výsledku v původním jazyce

    Cerenkov Differential counters with Achromatic Ring focus (CEDARs) in the COMPASS experiment beamline were designed to identify particles in limited intensity beams with divergence below 65μrad. However, in the 2018 data taking, a beam with a 15 times higher intensity and a beam divergence of up to 300μrad was used, hence the standard data analysis method could not be used. A machine learning approach using neural networks was developed and examined on multiple Monte Carlo simulations. Different types of network were tested and their configurations optimized using a genetic algorithm with the best performing model being integrated into the current data analysis software written in C++. Copyright owned by the author(s) under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY-NC-ND 4.0)

  • Název v anglickém jazyce

    Identification of Beam Particles Using Detectors based on Cerenkov effect and Machine Learning in the COMPASS Experiment at CERN

  • Popis výsledku anglicky

    Cerenkov Differential counters with Achromatic Ring focus (CEDARs) in the COMPASS experiment beamline were designed to identify particles in limited intensity beams with divergence below 65μrad. However, in the 2018 data taking, a beam with a 15 times higher intensity and a beam divergence of up to 300μrad was used, hence the standard data analysis method could not be used. A machine learning approach using neural networks was developed and examined on multiple Monte Carlo simulations. Different types of network were tested and their configurations optimized using a genetic algorithm with the best performing model being integrated into the current data analysis software written in C++. Copyright owned by the author(s) under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY-NC-ND 4.0)

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10303 - Particles and field physics

Návaznosti výsledku

  • Projekt

  • Návaznosti

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of Science

  • ISBN

  • ISSN

    1824-8039

  • e-ISSN

    1824-8039

  • Počet stran výsledku

    6

  • Strana od-do

  • Název nakladatele

    Sissa Medialab Srl

  • Místo vydání

    Trieste

  • Místo konání akce

    Bologna

  • Datum konání akce

    6. 7. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku