Redes Neurais Convolucionais para Estimação de Sinais em Calorímetros de Altas Energias

Aceleradores de partículas são instalações complexas que promovem colisões em altíssimas energias, visando à descoberta de nova física, validação de modelos fundamentais da física e aumento da precisão das medidas. Nesse contexto, sistemas de calorimetria desempenham papel fundamental ao fornecer informações acerca da energia das partículas, essencial para potenciais descobertas. Este trabalho avalia o desempenho do método tipicamente empregado, conhecido como do Filtro Ótimo~(OF) e de arquiteturas de Redes Neurais Convolucionais~(CNN) na reconstrução da amplitude e fase de sinais simulados que representam pulsos de resposta de calorímetros. A comparação é realizada por métricas quantitativas, e os resultados indicam um desempenho superior das CNNs em condições de operação em alto empilhamento de sinais esperadas em colisores modernos.