Software Compensation for Highly Granular Calorimeters using Machine Learning - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Journal of Instrumentation Année : 2024

Software Compensation for Highly Granular Calorimeters using Machine Learning

S Lai
  • Fonction : Auteur
J Utehs
  • Fonction : Auteur
A Wilhahn
  • Fonction : Auteur
O Bach
  • Fonction : Auteur
E Brianne
  • Fonction : Auteur
A Ebrahimi
  • Fonction : Auteur
K Gadow
  • Fonction : Auteur
P Göttlicher
  • Fonction : Auteur
O Hartbrich
  • Fonction : Auteur
D Heuchel
  • Fonction : Auteur
A Irles
  • Fonction : Auteur
K Krüger
  • Fonction : Auteur
J Kvasnicka
  • Fonction : Auteur
S Lu
  • Fonction : Auteur
C Neubüser
  • Fonction : Auteur
A Provenza
  • Fonction : Auteur
M Reinecke
  • Fonction : Auteur
F Sefkow
  • Fonction : Auteur
S Schuwalow
  • Fonction : Auteur
M de Silva
  • Fonction : Auteur
Y Sudo
  • Fonction : Auteur
H.L Tran
  • Fonction : Auteur
E Buhmann
  • Fonction : Auteur
E Garutti
  • Fonction : Auteur
S Huck
  • Fonction : Auteur
G Kasieczka
  • Fonction : Auteur
S Martens
  • Fonction : Auteur
J Rolph
  • Fonction : Auteur
J Wellhausen
  • Fonction : Auteur
G.C Blazey
  • Fonction : Auteur
A Dyshkant
  • Fonction : Auteur
K Francis
  • Fonction : Auteur
V Zutshi
  • Fonction : Auteur
B Bilki
  • Fonction : Auteur
D Northacker
  • Fonction : Auteur
Y Onel
  • Fonction : Auteur
F Hummer
  • Fonction : Auteur
F Simon
  • Fonction : Auteur
K Kawagoe
  • Fonction : Auteur
T Onoe
  • Fonction : Auteur
T Suehara
  • Fonction : Auteur
S Tsumura
  • Fonction : Auteur
T Yoshioka
  • Fonction : Auteur
M.C Fouz
  • Fonction : Auteur
L Emberger
  • Fonction : Auteur
C Graf
  • Fonction : Auteur
M Wagner
  • Fonction : Auteur
L Liu
  • Fonction : Auteur
R Masuda
  • Fonction : Auteur
T Murata
  • Fonction : Auteur
W Ootani
  • Fonction : Auteur
T Takatsu
  • Fonction : Auteur
N Tsuji
  • Fonction : Auteur
M Chadeeva
  • Fonction : Auteur
M Danilov
  • Fonction : Auteur
S Korpachev
  • Fonction : Auteur
V Rusinov
  • Fonction : Auteur

Résumé

A neural network for software compensation was developed for the highly granular CALICE Analogue Hadronic Calorimeter (AHCAL). The neural network uses spatial and temporal event information from the AHCAL and energy information, which is expected to improve sensitivity to shower development and the neutron fraction of the hadron shower. The neural network method produced a depth-dependent energy weighting and a time-dependent threshold for enhancing energy deposits consistent with the timescale of evaporation neutrons. Additionally, it was observed to learn an energy-weighting indicative of longitudinal leakage correction. In addition, the method produced a linear detector response and outperformed a published control method regarding resolution for every particle energy studied.

Dates et versions

hal-04511320 , version 1 (19-03-2024)

Identifiants

Citer

S Lai, J Utehs, A Wilhahn, O Bach, E Brianne, et al.. Software Compensation for Highly Granular Calorimeters using Machine Learning. Journal of Instrumentation, 2024, 19, pp.P04037. ⟨10.1088/1748-0221/19/04/P04037⟩. ⟨hal-04511320⟩
9 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Mastodon Facebook X LinkedIn More