Реконструкция многочастичных событий в координатно-трековой установке на дрейфовых камерах методами глубокого обучения

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.

1. Dembinski H.P. et al. // EPJ Web Conf. 2019. V. 210. P. 02004.

2. Saavedra O. et al. // J. Phys.: Conf. Ser. 2013. V. 409. P. 012009.

3. Bogdanov A.G. et al. // Phys. At. Nucl. 2010. V. 73. P. 1852.

4. Zadeba E.A. et al. // J. Instrum. 2014. V. 9. P. C08018.

5. Vorobyev V.S. et al. // Phys. At. Nucl. 2018. V. 81. P. 1325.

6. Vorobyev V.S. et al. // J. Phys.: Conf. Ser. 2018. V. 945. P. 012027.

7. Vorobyev V.S. et al. // Phys. At. Nucl. 2021. V. 84. P. 1567.

8. Barabash L.S. et al. // Proc. Intl. Conf. Neutrino-82. 1982. V. 2. P. 249.

9. Keras. https://keras.io/.2021.

10. Tensorflow. https://www.tensorflow.org/.2021.

11. Nvidia. https://www.nvidia.com/.2021.

12. Vorobev V.S. et al. // J. Instrum.2020. V. 15. P. C08007.