Ricerca automatica di tracce su NTD per MoEDAL utilizzando reti addestrate da dati sintetici

• Giuseppe Levi (Istituto Nazionale di Fisica Nucleare)

MoEDAL si trova vicino al punto di interazione 8 usato da LHCb. È dedicato alla ricerca di evidenze di particelle altamente ionizzanti per una fisica oltre il Modello Standard, estendendo in modo significativo l'orizzonte di scoperta dell'LHC. Per rivelare queste particelle, il progetto utilizza stack di 6 strati di NTD (Nuclear Track Detector), che sono fogli di plastica ( 3 strati di CR39 e 3 di Makrofol ) che devono essere poi esaminati al microscopio. La superficie del primo strato che deve essere esaminata ogni volta che il rivelatore viene sostituito è di circa 20 metri quadri che salgono a 40 dato che ogni foglio deve essere esaminato su entrambe le facce. Questo compito è particolarmente impegnativo sia per la mole di dati da esaminare sia per la presenza del fondo di LHC che rende l'individuazione delle tracce perticolarmente difficile. In questo talk sarà illustrato un approccio per la scansione automatica delle lastre combinando due tecniche che fanno uso del Machine Learning, ovvero la generazione di immagini sintetiche nelle quali la posizione delle tracce è nota che vengono usate per allenare una rete per la rivelazione di oggetti su dati reali.