Reconstrução da profundidade de máximo de chuveiros atmosféricos extensos utilizando uma rede neural perceptron multicamadas (2024)
- Authors:
- Autor USP: VAZ, BRUNA AGUIAR - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCI
- DOI: 10.11606/D.76.2024.tde-20082024-084742
- Subjects: RAIOS CÓSMICOS; APRENDIZADO COMPUTACIONAL; REDES NEURAIS
- Keywords: Aprendizado profundo; Chuveiros atmosféricos extensos; Cosmic rays; Deep learning; Extensive air showers; Neural network; Pierre Auger; Raios cósmicos
- Language: Português
- Abstract: Os raios cósmicos são partículas carregadas que constantemente caem sobre nós a partir do espaço. A profundidade atmosférica do máximo de chuveiro atmosférico Xmax é uma grandeza observável comumente usada para determinar a composição de massa nuclear dos raios cósmicos de ultra-alta energia. Esta dissertação foi proposta no contexto da aplicação de aprendizado profundo para estudar os raios cósmicos de ultra-alta energia. O objetivo principal é reconstruir a profundidade atmosférica do máximo de chuveiro Xmax utilizando os detectores de fluorescência do Observatório Pierre Auger. A primeira parte do trabalho envolveu a criação de uma Rede Neural Perceptron de Múltiplas Camadas para regressão e o treinamento da rede com dados de um chuveiro atmosférico primário de prótons simulado com o CONEX. As entradas e saídas para a rede neural foram os conjuntos de partículas carregadas (N) e o resultado ajustado (GH) para a profundidade inclinada do máximo de chuveiro Xmax em g/cm^[2], respectivamente. Na segunda parte, o algoritmo foi treinado com diferentes partículas primárias, como Hélio, Carbono e Ferro, e foram medidas os resultados, precisão, desvios e média de Xmax durante o treinamento da rede. Os resultados permitiram alcançar um pequeno viés e uma previsão altamente precisa da profundidade atmosférica do máximo de chuveiro Xmax, contribuindo para o sucesso do treinamento. Além disso, foi uma oportunidade para explorar mais a Rede Neural como próximo passo. Embora as redesneurais já tenham sido utilizadas para a reconstrução de Xmax usando detectores de superfície (2), sua aplicação em detectores de fluorescência foi utilizada pela primeira vez neste trabalho
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 03.06.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
VAZ, Bruna Aguiar. Reconstrução da profundidade de máximo de chuveiros atmosféricos extensos utilizando uma rede neural perceptron multicamadas. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20082024-084742/. Acesso em: 08 jan. 2026. -
APA
Vaz, B. A. (2024). Reconstrução da profundidade de máximo de chuveiros atmosféricos extensos utilizando uma rede neural perceptron multicamadas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20082024-084742/ -
NLM
Vaz BA. Reconstrução da profundidade de máximo de chuveiros atmosféricos extensos utilizando uma rede neural perceptron multicamadas [Internet]. 2024 ;[citado 2026 jan. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20082024-084742/ -
Vancouver
Vaz BA. Reconstrução da profundidade de máximo de chuveiros atmosféricos extensos utilizando uma rede neural perceptron multicamadas [Internet]. 2024 ;[citado 2026 jan. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20082024-084742/
Informações sobre o DOI: 10.11606/D.76.2024.tde-20082024-084742 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
