MétaCan
Menu
Retour à la cohorte
Enregistrement W4309859475 · doi:10.22323/1.414.1013

Online Data Monitoring of the ATLAS Muon System and Commissioning of the New Small Wheel (NSW) Data Quality System

2022· article· en· W4309859475 sur OpenAlexaff

Notice bibliographique

RevueProceedings of 41st International Conference on High Energy physics — PoS(ICHEP2022) · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésLarge Hadron ColliderDetectorAtlas (anatomy)ATLAS experimentData qualityCollisionEvent dataData acquisitionEvent (particle physics)Computer scienceComputer hardwareEngineeringReal-time computingPhysicsParticle physicsTelecommunicationsOperating systemComputer security

Résumé

récupéré en direct d'OpenAlex

In order to efficiently handle the increased luminosity that will be provided by the High-Luminosity LHC (HL-LHC), the ATLAS Muon System was upgraded by replacing its first end-cap station (Small Wheel system) with a New Small Wheel (NSW) detector. The NSW detector provides high-precision muon track reconstruction, as well as information to the ATLAS Level-1 (L1) trigger for data recording. The data collected by the NSW along with other subsystems must be scrutinized to ensure the integrity of the detector, before making it available as "certified data" for “Physics Analyses”. This is achieved through the monitoring of detector-level quantities and reconstructed collision event characteristics at key stages of the data processing chain, using several Data Quality (DQ) tools. This paper, therefore, summarizes the development of the NSW DQ system and presents preliminary DQ monitoring results obtained from the early detector operation during the preparation of the Run3.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,121
Tête enseignante GPT0,303
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of 41st International Conference on High Energy physics — PoS(ICHEP2022)Même sujetParticle Detector Development and PerformanceTravaux en français237 207