npeЯдерная физика и инжинирингNuclear Physics and Engineering2079-56292079-5637МИФИ10.56304/S2079562920060615npe-233Research ArticleВзаимодействие плазмы, пучков частиц и излучения с веществомInteraction of Plasma, Particle Beams and Radiation with MatterРеконструкция многочастичных событий в координатно-трековой установке на дрейфовых камерах методами глубокого обученияMultiparticle Event Reconstruction Using Deep Learning Methods for Coordinate-Tracking Unit Based on Drift ChambersВоробьевВ. С.Vorob’evV. S.

Каширское ш. 31, Москва, 115409

Moscow, 115409

VSVorobev@mephi.ruЗадебаЕ. А.ZadebaЕ. А.

Каширское ш. 31, Москва, 115409 

Moscow, 115409

НиколаенкоР. В.NikolaenkoR. V.

Каширское ш. 31, Москва, 115409

Moscow, 115409

ПетрухинА. А.PetrukhinА. А.

Каширское ш. 31, Москва, 115409

Moscow, 115409

ТрошинИ. Ю.TroshinI. Yu.

Каширское ш. 31, Москва, 115409

Moscow, 115409 

Национальный исследовательский ядерный университет “МИФИ”РоссияNational Research Nuclear University MEPhI (Moscow Engineering Physics Institute)Russian Federation202102052024125289297Copyright © Воробьев В.С., Задеба Е.А., Николаенко Р.В., Петрухин А.А., Трошин И.Ю., 20242024Воробьев В.С., Задеба Е.А., Николаенко Р.В., Петрухин А.А., Трошин И.Ю.Vorob’ev V.S., Zadeba Е.А., Nikolaenko R.V., Petrukhin А.А., Troshin I.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://npe.elpub.ru/jour/article/view/233

В НИЯУ МИФИ для исследования мюонной компоненты наклонных широких атмосферных ливней создается координатно-трековый детектор ТРЕК на основе многопроволочных дрейфовых камер. Создан прототип детектора, называемый координатно-трековой установкой на дрейфовых камерах (КТУДК). Исследование многочастичных событий, зарегистрированных установкой, показало всю сложность их реконструкции, с которой применяемые ранее аналитические методы справляются плохо. Для решения этой проблемы разрабатывается подход на основе методов глубокого обучения. В работе представлены результаты применения искусственных нейронных сетей к экспериментальным данным, полученным на установке КТУДК.

The new coordinate-tracking detector TREK based on multiwire drift chambers is being developed in the National Research Nuclear University MEPhI to study the muon component of extensive air showers. Its prototype named the coordinate-tracking unit based on drift chambers (CTUDC) has been designed. Investigation of the multiparticle events registered by the unit has shown all the complexity of reconstruction of such events. The analytical reconstruction methods applied earlier demonstrate their inefficacy in dealing with these events. A new approach based on deep learning methods is being developed to solve this problem. The paper presents the results of application of artificial neural networks to experimental data obtained by the CTUDC.

космические лучидрейфовая камерамюонымашинное обучениеглубокое обучениеcosmic raysdrift chambermuonsmachine learningdeep learningИсследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-32-90155.ReferencesDembinski H.P. et al. // EPJ Web Conf. 2019. V. 210. P. 02004.Dembinski H.P. et al. // EPJ Web Conf. 2019. V. 210. P. 02004.Saavedra O. et al. // J. Phys.: Conf. Ser. 2013. V. 409. P. 012009.Saavedra O. et al. // J. Phys.: Conf. Ser. 2013. V. 409. P. 012009.Bogdanov A.G. et al. // Phys. At. Nucl. 2010. V. 73. P. 1852.Bogdanov A.G. et al. // Phys. At. Nucl. 2010. V. 73. P. 1852.Zadeba E.A. et al. // J. Instrum. 2014. V. 9. P. C08018.Zadeba E.A. et al. // J. Instrum. 2014. V. 9. P. C08018.Vorobyev V.S. et al. // Phys. At. Nucl. 2018. V. 81. P. 1325.Vorobyev V.S. et al. // Phys. At. Nucl. 2018. V. 81. P. 1325.Vorobyev V.S. et al. // J. Phys.: Conf. Ser. 2018. V. 945. P. 012027.Vorobyev V.S. et al. // J. Phys.: Conf. Ser. 2018. V. 945. P. 012027.Vorobyev V.S. et al. // Phys. At. Nucl. 2021. V. 84. P. 1567.Vorobyev V.S. et al. // Phys. At. Nucl. 2021. V. 84. P. 1567.Barabash L.S. et al. // Proc. Intl. Conf. Neutrino-82. 1982. V. 2. P. 249.Barabash L.S. et al. // Proc. Intl. Conf. Neutrino-82. 1982. V. 2. P. 249.Keras. https://keras.io/.2021.Keras. https://keras.io/. 2021.Tensorflow. https://www.tensorflow.org/.2021.Tensorflow. https://www.tensorflow.org/. 2021.Nvidia. https://www.nvidia.com/.2021.Nvidia. https://www.nvidia.com/. 2021.Vorobev V.S. et al. // J. Instrum.2020. V. 15. P. C08007.Vorobev V.S. et al. // J. Instrum. 2020. V. 15. P. C08007.

The authors declare that there are no conflicts of interest present.