MétaCan
Menu
Retour à la cohorte
Enregistrement W6989296349

Advances in calibration and tracking techniques for pixelated Si Timepix3 detectors

2023· dissertation· fr· W6989296349 sur OpenAlexfundno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2023
Typedissertation
Languefr
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCalibrationTracking (education)Tracking systemPneumatics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cette thèse présente un travail ciblé sur les fonctionnalités d’un détecteur Timepix3 (TPX3) en ce qui concerne son utilisation dans le programme expérimental ATLAS-TPX3 au grand collisionneur de hadrons. Une évaluation directe d’un TPX3-Si a été complétée, ciblant plusieurs variables importantes connectées à la mesure du champ de radiation dans l’expérience ATLAS, par des études de retraçage de particules, de spectrométrie, ainsi que de stabilité du détecteur dans cet environment. Tout les résultats sont décrits dans trois publications formant la base de cette oeuvre. Le Timepix utilisé dans cette thèse consiste en un senseur de silicium ayant une épaisseur de 500 μm divisée en 256 × 256 pixels. Chaque pixel a une aire de 55 × 55 μm^2. La première étude porte sur la réponse du détecteur aux fluctuations de température qui ont été étudiées avec le but de déterminer la stabilité du détecteur dans le vide ainsi que dans des environments ou des situations dans lesquels les températures de matériaux entrant en contact avec le détecteur sont variables. Il a été observé que l’augmentation de la température correspond à une croissance dans la taille des amas de pixels. Cela indique que la température réduit le biais effectif interne, ce qui a comme conséquence la diminution de la zone de désertion, par la suite réduisant le champ électrique auquel sont soumis les porteurs de charge. La deuxième étude vise à déterminer les paramètres affectant le regroupement des amas de pixels (clustering). Une technique impliquant l’utilisation de plusieurs faisceaux d’ions est appliquée pour déterminer l’effet de l’énergie ainsi que de la masse d’une particule sur la taille des amas de pixels, avec le résultat que les énergies plus élevées produisent des amas plus grands. Pourtant, il est aussi trouvé que la taille des amas s’accroit aussi selon la masse des ions, bien que plus faiblement. Ces résultats ont des conséquences sur les algorithmes de retraçage qui sont cruciaux pour l’identification des particules. La troisième étude décrit une évolution de la présente technique d’étalonnage en énergie utilisée dans le réseau de détecteurs ATLAS-TPX3. Des protons possédant des énergies entre 2-4 MeV sont utilisés comme particules d’étalonnage, dans le but de réduire la saturation de charge qui se produit aux énergies élevées dans chaque pixel, étant vue dans la technique d’étalonnage conventionnelle. Pour déveloper une extension de cette technique pixel-parpixel, seules les hauteurs d’amas de ces protons sont gardées dans les amas, avec leurs énergies corrigées pour ajuster pour la perte de charge causée par la saturation. Appliquant ce nouvel étalonnage à des protons dans la gamme énergétique de 1,3 à 8,4 MeV, l’énergie reconstruite s’approche de la vraie valeur à 30% en moyenne. Les ions de lithium et de carbone dans la gamme énergétique de 8 à 25 MeV ont également été mesurés avec des énergies reconstruites améliorées.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,006
Tête enseignante GPT0,196
Écart entre enseignants0,190 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)Même sujetParticle Detector Development and PerformanceTravaux en français237 207