Identificación de partículas con base en análisis de imágenes de los detectores de NovA usando métodos de Deep Learning
Identificación de partículas con base en análisis de imágenes de los detectores de NovA usando métodos de Deep Learning
dc.contributor.advisor | Arrieta Diaz, Enrique | |
dc.contributor.author | Maldonado Agudelo, Rafael Afranio | |
dc.contributor.sponsor | Universidad del Magdalena | |
dc.creator.degree | Ingeniero (a) de Sistemas | |
dc.date.accessioned | 2025-07-05T14:47:48Z | |
dc.date.available | 2025-07-05T14:47:48Z | |
dc.date.issued | 2025 | |
dc.date.submitted | 2025 | |
dc.description.abstract | Los modelos de Deep Learning aplicados al análisis de imágenes han sido adoptados recientemente por experimentos de altas energías para la identificación de partículas. El experimento NOvA, que se especializa en el estudio de las partículas elementales llamadas neutrinos, es pionero en el campo de la identificación de partículas con base en Deep Learning. NOvA ha publicado avances científicos usando redes neuronales convolucionales que facilitan el reconocimiento y el análisis de imágenes. Esto ha sido clave en el estudio de interacciones de neutrinos con la materia a través de sus topologías. En ese sentido, NOvA ha desarrollado redes neuronales convolucionales que utilizan estas topologías en la identificación de interacciones sin utilizar algoritmos estadísticos de reconstrucción, cuyas topologías dependen de algoritmos de reconstrucción geométrica. Actualmente, NOvA está desarrollando nuevos modelos de segmentación de instancias que solo dependen del contenido de las imágenes creadas por el experimento. Con estos modelos se busca mejorar la eficiencia en la identificación de partículas con carga eléctrica como los muones y los electrones, los cuales dejan huellas en los detectores que exhiben patrones regulares. Por otro lado, la identificación de piones cargados no ha sido eficiente, ya que sus huellas no son regulares, en general. Para NOvA es de suma importancia buscar caminos que permitan mejorar la identificación de piones cargados, ya que estos son clave en la clasificación de interacciones de los neutrinos, la cual hoy en día presenta discrepancias entre los modelos teóricos y las mediciones experimentales. Con este trabajo se busca implementar un modelo de segmentación de instancias, representativo del estado del arte, para la identificación de piones cargados en interacciones de neutrinos con la materia de los detectores del experimento NOvA. | |
dc.description.provenance | Submitted by RAFAEL AFRANIO MALDONADO AGUDELO (rafaelmaldonadoaa@unimagdalena.edu.co) on 2025-06-24T21:32:54Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 2 INFORME FINAL IDENTIFICACIÓN DE PARTÍCULAS CON BASE EN ANÁLISIS DE IMÁGENES DE LOS DETECTORES DE NOVA USANDO MÉTODOS DE DEEP LEARNING.pdf: 2608078 bytes, checksum: f9a20e29576cc9333188e88cf82ad326 (MD5) BI_F12_Formato_Licencia_Publicacion_Trabajos_Grado (1).pdf: 218117 bytes, checksum: fa8b70d50a67a0eafae163b2f3890841 (MD5) | en |
dc.description.provenance | Step: reviewstep - action:reviewaction Approved for entry into archive by Programa de Ingeniería de Sistemas Programa de Ingeniería de Sistemas(ingsistemas@unimagdalena.edu.co) on 2025-06-24T23:18:42Z (GMT) | en |
dc.description.provenance | Step: editstep - action:editaction Approved for entry into archive by Cristhian Camilo Suarez Ibañez(csuarezi@unimagdalena.edu.co) on 2025-07-05T14:47:48Z (GMT) | en |
dc.description.provenance | Made available in DSpace on 2025-07-05T14:47:48Z (GMT). No. of bitstreams: 2 INFORME FINAL IDENTIFICACIÓN DE PARTÍCULAS CON BASE EN ANÁLISIS DE IMÁGENES DE LOS DETECTORES DE NOVA USANDO MÉTODOS DE DEEP LEARNING.pdf: 2608078 bytes, checksum: f9a20e29576cc9333188e88cf82ad326 (MD5) BI_F12_Formato_Licencia_Publicacion_Trabajos_Grado (1).pdf: 218117 bytes, checksum: fa8b70d50a67a0eafae163b2f3890841 (MD5) Previous issue date: 2025 | en |
dc.format | text | |
dc.identifier.uri | https://repositorio.unimagdalena.edu.co/handle/123456789/23265 | |
dc.language.iso | es | |
dc.publisher | Universidad del Magdalena | |
dc.publisher.department | Facultad de Ingeniería | |
dc.publisher.program | Ingeniería de Sistemas | |
dc.rights | atribucionnocomercialsinderivar | |
dc.rights.cc | Acceso Abierto | |
dc.subject | Deep Learning | |
dc.subject | Experimento NOvA | |
dc.subject | Redes neuronales | |
dc.subject | Interacciones de neutrino | |
dc.subject | Segmentación de instancias | |
dc.subject | Piones cargados | |
dc.subject | Fermilab | |
dc.title | Identificación de partículas con base en análisis de imágenes de los detectores de NovA usando métodos de Deep Learning | |
dc.type | bachelorThesis |
Files
Original bundle
1 - 2 of 2
No Thumbnail Available
- Name:
- INFORME FINAL IDENTIFICACIÓN DE PARTÍCULAS CON BASE EN ANÁLISIS DE IMÁGENES DE LOS DETECTORES DE NOVA USANDO MÉTODOS DE DEEP LEARNING.pdf
- Size:
- 2.49 MB
- Format:
- Adobe Portable Document Format
- Description:
No Thumbnail Available
- Name:
- BI_F12_Formato_Licencia_Publicacion_Trabajos_Grado (1).pdf
- Size:
- 213 KB
- Format:
- Adobe Portable Document Format
- Description:
- Restringido
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 2.43 KB
- Format:
- Item-specific license agreed upon to submission
- Description: