Combinando Redes Neurais Artificiais e Representação Esparsa de Dados para Reconstrução Online de Energia no Calorímetro Hadrônico do ATLAS

Exige-se o processamento de grandes quantidades de dados gerados pelos muitos canais de medição de energia do experimento ATLAS no acelerador de partículas LHC. Os canais de leitura fornecem um sinal alterado em relação ao evento físico, isso combinado ao aumento da taxa de eventos, planejado para o LHC, fazem surgir o efeito de empilhamento do sinal. Técnicas de deconvolução do canal tem sido pesquisadas, existindo interesse nas redes neurais artificiais (RNA) e representações esparsas do sinal. Logo, neste trabalho, propõe-se utilizar a unidade linear retificada (reLu) na RNA, combinando as técnicas de RNA e representação esparsa do sinal.