Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A neural network clustering algorithm for the ATLAS silicon pixel detector
Stockholms universitet, Naturvetenskapliga fakulteten, Fysikum. Stockholms universitet, Naturvetenskapliga fakulteten, Oskar Klein-centrum för kosmopartikelfysik (OKC).
Stockholms universitet, Naturvetenskapliga fakulteten, Fysikum. Stockholms universitet, Naturvetenskapliga fakulteten, Oskar Klein-centrum för kosmopartikelfysik (OKC).
Stockholms universitet, Naturvetenskapliga fakulteten, Fysikum. Stockholms universitet, Naturvetenskapliga fakulteten, Oskar Klein-centrum för kosmopartikelfysik (OKC).
Stockholms universitet, Naturvetenskapliga fakulteten, Fysikum. Stockholms universitet, Naturvetenskapliga fakulteten, Oskar Klein-centrum för kosmopartikelfysik (OKC).
Visa övriga samt affilieringar
2014 (Engelska)Ingår i: Journal of Instrumentation, ISSN 1748-0221, E-ISSN 1748-0221, Vol. 9, s. P09009-Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

A novel technique to identify and split clusters created by multiple charged particles in the ATLAS pixel detector using a set of artificial neural networks is presented. Such merged clusters are a common feature of tracks originating from highly energetic objects, such as jets. Neural networks are trained using Monte Carlo samples produced with a detailed detector simulation. This technique replaces the former clustering approach based on a connected component analysis and charge interpolation. The performance of the neural network splitting technique is quantified using data from proton-proton collisions at the LHC collected by the ATLAS detector in 2011 and from Monte Carlo simulations. This technique reduces the number of clusters shared between tracks in highly energetic jets by up to a factor of three. It also provides more precise position and error estimates of the clusters in both the transverse and longitudinal impact parameter resolution.

Ort, förlag, år, upplaga, sidor
2014. Vol. 9, s. P09009-
Nyckelord [en]
Particle tracking detectors, Particle tracking detectors (Solid-state detectors)
Nationell ämneskategori
Fysik
Identifikatorer
URN: urn:nbn:se:su:diva-109286DOI: 10.1088/1748-0221/9/09/P09009ISI: 000343281300046OAI: oai:DiVA.org:su-109286DiVA, id: diva2:764473
Anmärkning

AuthorCount:2876;

Tillgänglig från: 2014-11-19 Skapad: 2014-11-17 Senast uppdaterad: 2019-12-10Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Abulaiti, YimingÅkerstedt, HenrikÅsman, BarbroBendtz, KatarinaBertoli, GabrieleBessidskaia, OlgaBohm, ChristianClément, ChristopheCribbs, Wayne A.Eriksson, DanielGellerstedt, KarlHellman, StenJohansson, K. ErikJon-And, KerstinKhandanyan, HovhannesKim, HyeonKlimek, PawelLundberg, OlofMilstead, David A.Moa, TorbjörnMolander, SimonOhm, Christian C.Petridis, AndreasPlucinski, PawelRossetti, ValerioSilverstein, Samuel B.Sjölin, JörgenStrandberg, SaraTylmad, Maja
Av organisationen
FysikumOskar Klein-centrum för kosmopartikelfysik (OKC)
I samma tidskrift
Journal of Instrumentation
Fysik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 131 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf