Repository logo

Browsing by Author "Babicz, Marta"

  • Thumbnail Image
    Item
    Simulation studies and tests of the light detection and trigger systems of the ICARUS detector in the Short Baseline Neutrino program at Fermilab
    (Institute of Nuclear Physics Polish Academy of Sciences, 2021) Babicz, Marta; Zalewska, Agnieszka; Pietropaolo, Francesco; Bubak, Arkadiusz; Łagoda, Justyna; Zuzel, Grzegorz
    Program neutrinowy z krótką bazą pomiarową (Short Baseline Neutrino - SBN) w Narodowym Laboratorium Przyspieszania Cząstek Elementarnych im. E. Fermiego (FNAL lub Fermilab) w USA wpisuje się w szeroki zakres eksperymentalnych poszuki- wań neutrin sterylnych, których istnienie jest jednym z fundamentalnych otwartych pytań fizyki neutrin. Głównym celem programu SBN jest poszukiwanie, przy uży- ciu wiązek neutrin akceleratorowych, tzw. efektu LSND, czyli oscylacji neutrin dla różnicy kwadratu mas neutrin ∆m2 rzędu 1 eV2, niezgodnej z oscylacjami tylko trzech aktywnych neutrin z Modelu Standardowego. Celem SBN jest też wykonanie precyzyjnych pomiarów oddziaływań neutrin z Argonem. Pomiary wiązki przed oscylacjami będą wykonywane w detektorze SBND w odle- głości 110 m od źródła neutrin, natomiast pomiary pojawiania się νe (ν¯e) oraz zanika- nia νµ (ν¯µ) będą badane w detektorach MicroBooNE i ICARUS w odległościach odpowiednio 470 m i 600 m. Wszystkie trzy detektory to ciekło-Argonowe komory projekcji czasowej (LAr TPC). Badania oddziaływań neutrin za pomocą detektora MicroBooNE rozpoczęły się w 2015 roku. Pierwsze zbieranie danych na potrzeby badań z fizyki za pomocą detektora ICARUS nastąpiło w czerwcu 2021 roku, a dla detektora SBND przewidywane jest w 2023 roku. Detektory SBN, pracujące blisko powierzchni Ziemi, są narażone na znaczne tło kosmiczne, które może naśladować prawdziwe oddziaływania neutrin. Fundamentalne znaczenie ma więc odróżnienie sygnałów związanych z oddziaływaniami neutrin od tych indukowanych przez promienie kosmiczne. Temat tej rozprawy doktorskiej jest związany z detektorem ICARUS, ze szcze- gólnym uwzględnieniem jego systemów detekcji światła i wyzwalania. Zanim detektor został przetransportowany do laboratorium Fermilab w kwietniu 2017 roku, system detekcji światła został znacząco zmodernizowany w laboratorium CERN. Detektor został wyposażony w 360 8" fotopowielaczy typu R5912 wyprodukowanych przez Hamamatsu. Na systemie detekcji światła oparto proponowany system wyzwala- nia, bazujący na zbieżności szybkich sygnałów światła scyntylacji, mierzonych przez fotopowielacze, z czasem przybycia neutrin wiązki do detektora. Niniejsza rozprawa przedstawia testy i ocenę działania fotopowielaczy oraz prace dla systemu wyzwalania, które zostały przeprowadzone w laboratorium CERN. Testy fotopowielaczy dowiodły, że system detekcji światła detektora ICARUS spełnia wyma- gania programu SBN, a sam detektor zdoła pracować na powierzchni Ziemi. Pierwsze testy elementów systemu wyzwalania wykazały prawidłowe działanie elektroniki wy- zwalającej. Pozwoliły też na opracowanie i sprawdzenie wstępnej logiki systemu wyzwalania na podstawie pomiarów mionów kosmicznych zarejestrowanych przez stanowisko testowe wyposażone w ciekły Argon oraz na podstawie przeprowadzonych symulacji. Niektóre wyniki tych symulacji zostały przedstawione w niniejszej pracy. Ponadto, po raz pierwszy zmierzono prędkość grupową fotonów scyntylacyjnych w ciekłym Argonie. Kalibracja systemu detekcji światła oraz dalszy rozwój logiki systemu wyzwala- nia, mający na celu zwiększenie ich efektywności w pozyskiwaniu danych fizycznych, zostały przeprowadzone dla ostatecznej konfiguracji detektora podczas jego uru- chomienia w Fermilabie. Logika systemu wyzwalania jest nadal testowana i dostra- jana. W niniejszej pracy przedstawiono również sposób wykorzystania informacji z fotopowielaczy do filtrowania oddziaływań neutrin i mionów kosmicznych poprzez zastosowanie sieci neuronowej (Convolutional Neural Network - CNN) do symu- lowanych danych. Wyniki pokazują, że dzięki tej metodzie tło kosmiczne może być zredukowane nawet o 76% przy efektywności selekcji neutrin na poziomie 99%. Ponieważ praca ta ma na celu filtrowanie rzeczywistych danych, które nie są identy- czne z symulowanymi, przedstawiono również sposób łagodzenia błędów wynikają- cych z niedoskonałych symulacji poprzez zastosowanie domenowych sieci neuronowych (Domain Adversarial Neural Network - DANN). Wyniki pokazują, że trening przeci- wstawny poprzez DANN może złagodzić utratę wydajności przy stosunkowo niskim koszcie zmniejszonego odrzucania tła. Jest to pierwsze zastosowanie DANN dla CNN jako klasyfikatora zdarzeń dla LAr TPC. Po raz pierwszy prezentowane są też wyniki zastosowania DANN do danych rzeczywistych zebranych za pomocą detektora ICARUS w czerwcu 2021 roku.