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
Now showing 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
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.43 KB
Format:
Item-specific license agreed upon to submission
Description: