Presentazione standard di PowerPoint - na.astro.itbrescia/documents/ASTROINFOEDU/brescia-E5-Nemo.pdf · Si è sfruttata la non correlazione dei segnali di 40Kper elaborare un algoritmo

Data Mining

Sorgenti di radiazione cosmica

Nuclei Galattici Attivi

nuclei centrali di galassie con

espulsioni di jet di particelle

~1020eV

Sorgenti astrofisiche

Resti di Supernova

Resti di esplosioni di supernova

al cui interno sono presenti

grossi campi magnetici

1015eV

Pulsar

Stella di neutroni con grande

velocità di rotazione

1017eV

Sistemi Binari

Trasferimento di materia da

un oggetto alla compagna.

Espulsione di jet di plasma

1016eV

Gamma Ray Burst

Sistemi binari formano la fireball

in cui si generano collisioni tra

vari fronti d’onda

1063eV/s

M. Brescia

Fenomeni ad alta energia La radiazione cosmica ha uno spettro che si estende fino ad energie di 1022eV.

Le particelle che costituiscono i raggi cosmici sono di due tipi

• Raggi γ

• Neutrini

Componente carica

• Protoni• Nuclei α

• Elettroni e positroni• Nuclei pesanti

Componente neutra

Fotoni γ fortemente assorbiti – brevi distanze

Protoni di bassa energia deviati dai campi magnetici (non direzionali)Protoni di alta energia direzionali ma interagenti con i fotoni della

radiazione di fondo

1 parsec (pc) = 3.26 anni luce (ly)

raggi gamma (0.01 - 1 Mpc)

protoni E>1019 eV (100 Mpc)

protoni E<1019 eV

neutrini

UHECR > 1017

eV

Sorgenti astrofisiche

NEUTRINI Nessuna interazione DIREZIONALITA’

M. Brescia

Effetto Cherenkov L'effetto Čerenkov consiste nell'emissione di radiazione elettromagnetica da parte di una particella in moto

ad una velocità superiore alla velocità della luce nel mezzo attraversato.

È così chiamato in omaggio al fisico sovietico Pavel Alekseevič Čerenkov, premio Nobel nel 1958 per studi

su questo fenomeno. La caratteristica luce azzurra visibile nei reattori nucleari è dovuta all'effetto Cherenkov

In un mezzo denso la velocità di propagazione della luce risulta più

bassa di quella di propagazione nel vuoto, e in un mezzo con indice di

rifrazione n sarà c/n. Può avvenire che una particella superi la velocità

di propagazione della luce nel mezzo (pur tuttavia rimanendo al di

sotto di c). Se tale particella è carica elettricamente si verifica l'effetto

Čerenkov, ovvero l'emissione di radiazioni γ. Come nell'aria, quando

un oggetto supera il muro del suono, si forma un cono d'onda (onde

meccaniche), allo stesso modo, con le onde elettromagnetiche, nelle

condizioni sopra enunciate, si assiste alla produzione di un cono d'onda

del tutto simile a quello del suono.

Caratteristico della radiazione Čerenkov è il cosiddetto angolo di Čerenkov, indicato in figura con θ

L'angolo di Čerenkov può essere calcolato mediante la seguente relazione:

dove n è l'indice di rifrazione, c è la velocità della luce nel vuoto (e di conseguenza la velocità della luce

nel mezzo) e v è la velocità della particella carica.

Si può subito notare che, se la velocità della particella è uguale a quella di propagazione della luce nel mezzo,

non si nota alcuna radiazione. L'angolo massimo si ha invece quando la particella si muove alla velocità c. In

tal caso, la relazione diventa:

M. Brescia

Principio di rivelazione dei neutrini M. Brescia

I muoni in acqua emettono radiazione Cherenkov

Piccola sezione d’urto dei neutrini

Rivelazione

dei neutrini

di altissima energia

MUONI

Necessità di rivelatori a grande massa per aumentare la probabilità di interazione

Si usa come bersaglio l’intero pianeta

La radiazione Cherenkov è emessa ogni

volta che una particella carica attraversa

un mezzo con una velocità v maggiore di

quella della luce.

cv

n

cv

n

Principio di rivelazione dei neutrini M. Brescia

I muoni in acqua emettono radiazione Cherenkov

Piccola sezione d’urto dei neutrini

Rivelazione

dei neutrini

di altissima energia

MUONI

Necessità di rivelatori a grande massa per aumentare la probabilità di interazione

Si usa come bersaglio l’intero pianeta

La radiazione Cherenkov è emessa ogni

volta che una particella carica attraversa

un mezzo con una velocità v maggiore di

quella della luce.

Radiazione Cherenkov M. Brescia

indice di rifrazione rispetto alla lunghezza d'onda a 3000 m off-shore

1,3440

1,3460

1,3480

1,3500

1,3520

1,3540

1,3560

1,3580

1,3600

1,3620

200 220 240 260 280 300 320 340 360 380 400 420 440 460 480 500 520 540 560 580 600 620

lunghezza d'onda

ind

ice d

i ri

frazio

ne

Ad esempio, ad una profondità di ~3000m in acqua marina la velocità dei fotoni è circa

0.75c, poiché l’indice di rifrazione n alla profondità considerata varia tra 1.36 a 1.345.

0.75 22.5 /v c cm ns Lo spettro della radiazione è esteso solo alle regioni del visibile e del vicino ultravioletto, per le

quali n>1

Tecnica di rivelazione dei neutrini M. Brescia

Mappa dei telescopi per neutrini M. Brescia

NEMO - Telescopio sottomarino M. Brescia

OM

Floor Control Module

- 81 towers- 18 floors/tower with 4 PMT/floor- 5832 PMTs - Instrumented volume: 1 km3

- Installation: 2007-2023

AMANDA & IceCube – POLO SUD - 1 M. Brescia

1400 m

2400 m

AMANDA

South Pole

IceTop

- 80 Strings of 60 PMTs- 4800 PMT - Instrumented volume: 1 km3

- Installation: 2004-2010

~ 80.000 atm. per year

AMANDA & IceCube – POLO SUD - 2 M. Brescia

Confronto tra telescopi in ghiaccio e acqua M. Brescia

La torre di NEMO fase 1M. Brescia

30

0 m

Mini-Tower compacted

15 m

Deployment of JB and

minitower december 2006

Junction Box

NEMO mini-tower

(4 floors, 16 OM)

TSS Frame

Deployed

january 2005

La torre reale di NEMO fase 1M. Brescia

Sincronizzazione ottica tra due piani di torre M. Brescia

Electro-optical

connector

Splitter 10/90 1x2

Splitter 50/50 1x2

Splitter 50/50 2x2

To lower floor

TimeBoard

To upper floor

• Lo stesso impulso generato dalla TimeBoard viene inviato verso i moduli ottici con tempi fissati

• Configurazione identica per tutti i piani

• Possibilità di estensione a qualunque geometria e configurazione della torre.

Specifiche ottiche del PMT M. Brescia

Example of a device discussed:

Hamamatsu HY0010 HPD

Excellent p.e. resolution

• Glass pressure vessel ≤ 17 inch• Requirements for telescopes:

– High quantum efficiency– Large photocathode areas– Wide angular coverage– Good single-photon resolution– High dynamic range

Data collecting - 1 M. Brescia

Data collecting - 2 M. Brescia

Azioni ConseguenzePR1 Copia in RAM un SDF PR1 attiva l’Ev. 1Ev. 1 attivato PR2 Inizia analisiPR2 Chiude una finestra PR2 attiva l’Ev. 2Ev. 2 attivato PR3 disattiva l’Ev. 2 e inizia il data dumpPR3 termina il salvataggio PR3 attiva l’Ev. 3Ev. 3 attivato PR2 disattiva l’Ev. 3 e continua analisi*PR2 completa analisi SDF PR2 attiva l’Ev. 4Ev. 4 attivato PR1 elimina il file relativo a SDF e disattiva l’Ev. 1

03:04 03:07 03:01 03:03

YoungestOldest hit

Ordinamento temporale - INIT M. Brescia

03:07 03:02 03:0303:04

YoungestOldest hit

Ordinamento temporale – iterazione 1 M. Brescia

03:04 03:07 03:06 03:03

YoungestOldest hit


03:04 03:07 03:06 03:08

YoungestOldest hit


Noise in sea water – bioluminescence & 40K decayM. Brescia

Bioluminescenza in acqua marina

Fondo di 40KM. Brescia

Nel decadimento del 40K (rate di 28.5 ± 2.5 KHz) viene emesso un singolo elettrone

40K 40Ca + b- + ne Decadimento β-

La luce Cherenkov irraggiata dagli elettroni prodotti nel decadimento costituisce un fondo

ottico “non correlato” temporalmente (come è, invece, la luce Cherenkov prodotta dai

muoni)

NON CORRELAZIONE come fattore

discriminante tra segnale e rumore

Il decadimento β è uno dei processi per cui nuclei instabili (e dunque radioattivi) si trasformano

in altri nuclei di atomi che possono a loro volta essere radioattivi oppure stabili. In natura i nuclei

sono all'interno degli atomi e questo processo causa la trasformazione dell'intero atomo da un

elemento chimico ad un altro.

Più precisamente, il decadimento beta avviene tramite la trasformazione di un neutrone in una

coppia protone-elettrone più un antineutrino elettronico. Il protone resta nel nucleo atomico,

mentre le altre due particelle vengono espulse (emesse)

Dato che i neutrini interagiscono debolmente con la materia, quando Marie Curie osservò per la

prima volta questo tipo di decadimento, lo associò alla sola emissione di un elettrone; fu Enrico

Fermi che, seguendo un'idea di Wolfgang Pauli, introdusse l'idea del neutrino per risolvere

un'apparente contraddizione fra i risultati sperimentali ed il principio di conservazione

dell'energia.

Sorgenti di fondo ottico => basso S/N M. Brescia

• Muoni atmosferici effetto Cherenkoves. muoni da neutrini astrofisici

a 3500m il flusso è molto ridotto

• Bioluminescenza organismi

marini possono generare luce chimicamente

• fenomeno locale

• segnali a singolo fotoelettrone

• fenomeno quasi assente a 3500m

• Decadimento 40K luce

Cherenkov di energiaconfrontabile con quella dellaradiazione prodotta dal segnale

• Decadimento β con produzione di un elettrone

• Tasso 28.5±2.5kHz

• Fondo ottico non correlato temporalmente e spazialmente

Ruolo del trigger dei dati M. Brescia

Si è sfruttata la non correlazione dei segnali di 40K per elaborare un algoritmo di trigger che riconosca la presenza di eventi muonici

L’algoritmo deve essere

VELOCE

Salvataggio solo deidati realmente utili

Frequenza trasmissione dati

40Mhz(5832 byte ogni 25ns)

Trasmessi circa

4 TB/giorno!!

Alert Target of Opportunity

Simulazioni

Generazione di eventi per l’applicazione

dell’algoritmo di trigger

Modelli di neutrini

Spettro in energia dei

muoni prodotti

Tracciamento e

interazioni del muone

Aggiunge casualmente

eventi da 40K

Ricostruzione

Produzione e propagazione

della luce degli sciami prodotti

Rivelazione della luce

con i PMT dell’apparato

Costruzione dell’evento:

Fotoelettroni e tempi sui PMT

File di uscita

Dati particella in ingresso Dati rivelazione

punto di interazione

energia particella incidente

direzione di propagazione del muone

id PMT colpito

istante della rivelazione

tipo di particella rivelata (evento, k40)

numero di particelle rivelate

x y z h φ

M. Brescia

Architettura di NEMOM. Brescia

x

T19

T29

T39

T49

T59

T69

T79

T89

y

T11

T21

T31

T41

T51

T61

T71

T81 T82 T83 T84 T85 T86 T87 T88

T78

T68

T58

T48

T38

T28

T18T17T16T15T14T13T12

T22

T32

T42

T52

T62

T72 T73 T74 T75 T76 T77

T67

T57

T47

T37

T27T26T25T24T23

T33

T43

T53

T63 T64 T65 T66

T56

T46

T36T35T34

T44

T54 T55

T45

d= 140m

T99T98T97T96T95T94T93T92T91

81 torri: griglia 9x9

Distanza tra le torri: 140m

18 piani per torre

Distanza tra i piani : 40m

4 PMT per piano

Distanza tra le coppie di PMT: 20m

……

x

yz

h=

~8

00

m

d= 20m

Bottom view

x

y

Trigger – rappresentazione dati M. Brescia

• Acquisizione dei dati con campionamento uniforme Dt

• Ad ogni istante ti, l’insieme dei segnali

dei PMT forma il cosiddetto“3D Datacube”

• La sequenza dei data cube a ti

successivi forma il “4D Datastream”

ti-1 ti ti+N ti+N+1…. …. …. ….

tempo

start1 start2Caso ancora acceso Caso nuova accensione

Esempio per un singolo PMT

Trigger – simulazione MatlabM. Brescia

GUI di test (Matlab) M. Brescia

GUI di test (Matlab) M. Brescia

Trigger – idea di base M. Brescia

Correlazione temporale del segnale muonico

Visualizzazione delle occorrenze dei PMT

Trigger base TrB M. Brescia

Dalla statistica fatta su 126 simulazioni si è definita che la soglia massima è

generalmente 3

Il TrB scarta tutti i PMT con occorrenze ≤ 3

Il TrB è efficace per eventi medi e forti; non altrettanto per eventi deboli

Trigger ottimizzato TrO M. Brescia

Anche il TrO utilizza la non correlazione temporale, ma prima di eliminare i PMT sotto

soglia controlla che, in un certo numero di datacube successivi, questi non si siano riaccesi

Il TrO necessita di 3 parametri, definiti dall’analisi statistica condotta su 126 simulazioni

ciascuna delle quali condotta su 24 terne di parametri (esempio):

Tempo di campionamento 5ns

Numero di datacube da controllare 5

Soglia 1

Durata 2.38 µsDurata 2.38 µs

Test statistico del TrO M. Brescia

4,44%

52,9

4%

86,9

6%

100,0

0%

100,0

0%

100,0

0%

100,0

0%

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Perc

en

tuale

rico

str

uzio

ne e

ven

ti

0 PMT

(solo

K40)

1_5 PMT 6_15

PMT

16_30

PMT

31_100

PMT

01_200

PMT

201_321

PMT

TrO Riconoscimento Eventi: parametri (campionamento 5ns _ datacube 5 _

soglia 1)% eventi

ricostruiti

N PMT accesi

per evento

4,44% 0 PMT (solo K40)

52,94% 1_5 PMT

86,96% 6_15 PMT

100,00% 16_30 PMT

100,00% 31_100 PMT

100,00% 101_200 PMT

100,00% 201_321 PMT

Riconoscimento eventiStatistica eseguita su 126 simulazioni

Pipeline di Test M. Brescia

Trigger per rivelazione

presenza segnaleKM3

Test su

simulazioni KM3

(pacchetto Antares)

Torre

Fase 1

Deployed!!!!

Test su

simulazioni torre

(pacchetto Antares)

Debug su

Dati reali

(laboratorio)

Test su

Dati reali

(mare)

Simulazioni fornite dal

gruppo di CT

Applicabilità del trigger M. Brescia

DATI SIMULATI

- ID PMT acceso

- Hit start time

- Causa dell’hit (segnale o 40K) per la

sola valutazione a posteriori

Necessità di adattare l’algoritmo di trigger al caso reale

DATI REALI

- ID PMT acceso

- Hit start time

- Durata del segnale

Applicabilità trigger e

funzionalità invariante rispetto a

simulazioni e ai dati reali

Evoluzione del trigger sui dati reali

Il trigger è in grado di processare sia dati simulati che dati reali

Applicabilità del trigger - preprocessing M. Brescia

1) Scelta PMT e numero di frame consecutivi

2) Impostazione parametri

Estrazione dati e creazione

matrice 3D

(NumFrameX49XNumPMT)

• Frame id (chiave secondaria)

• TimeUs

• TimeNs

• PMT id (chiave primaria)

• Plane id

• Tower id

• NdataSample

• Dummy

• Charge

• ParityFlag

• ZipFlag

• FragFlag

• DELTAT Ndatasample*5ns

• 36 SamplesCreazione matrice 3D

estrazione di 11 campi e

compattamento dati

FragFlag

•Id Frame

•TimeStart = TimeUs*5E5 + TimeNs*10

•PMT-id

•Plane-id

•Tower-id

•NDatasample

•Charge

•DeltaT

•TimeUs

•TimeNs

•PMT-id assoluto = PMTid+4*Planeid

Creazione matrice 2D con

formattazione pari ad un

sottoinsieme dei parametri

output del pacchetto di

simulazioni Antares più la

durata del segnale

•PMT-id assoluto

•TimeStart

•DeltaT

Ordinamento generale

con informazione

esaustiva

Evoluzione trigger - 1 M. Brescia

Matrice 2D (simulazioni)

Tempo di campionamento

Numero di datacube da

controllare

Soglia di occorrenza


Stima periodo tra due hit

successivi

Stima soglia durata dell’hit

Esempio: 25 (ns) – 3 (num dc) – 1 (soglia)

start1 start2

3 3

Caso ancora acceso Caso nuova accensione

TriggerTrigger

evoluzione

Grazie al valore di 50ns (2 dc) per 1 p.e., nelle simulazioni abbiamo tenuto conto di questa stima,

andando a verificare se dopo n dc, il pmt fosse ancora acceso. Questo poteva essere dovuto a due

tipi di evento:

Evoluzione trigger - 2 M. Brescia

Trigger


Numero di datacube da

controllare

Soglia di occorrenza

Trigger

evoluzione


Stima periodo tra due hit

successivi

Stima soglia durata dell’hit

Esempio: 25 – 2 – 3

start1 start2

3 2 3 2

start3stop2stop1

Matrice 2D (simulazioni o dati raw)

Unendo le features dei primi due, con in più la conoscenza, dai dati reali, dei dc coinvolti negli

hit, abbiamo derivato una versione on-line, variando in parte il significato dei parametri.

Trigger su torre di fase 1M. Brescia

L’algoritmo è stato utilizzato anche sui dati ottenuti con il pacchetto di simulazioni, fornito dal

gruppo di Catania, adattato alla topologia del rivelatore della fase 1.

Lo scopo era duplice: verificare la portabilità dell’algoritmo al variare della topologia e valutarne

le prestazioni.

Efficienza trigger su torre di fase 1M. Brescia

2,35%

58,06%

100,00%

0 %

10 %

2 0 %

3 0 %

4 0 %

50 %

6 0 %

70 %

8 0 %

9 0 %

10 0 %

Perc

en

tuale

id

en

tifi

cazio

ne

even

ti

0 PMT (solo K40) 1_5 PMT 6_15 PMT

Trigger

Identificazione Eventi: parametri (campionamento 25ns datacube 6 soglia 1)

Trigger 4DM. Brescia

Rispetto al trigger basato su parametri di soglia in carica e campionamento di datacube, in cuisoltanto le pure correlazioni temporali sui singoli PMT sono le discriminanti perl’identificazione di ipotetiche tracce di segnale, questa versione associa le informazionitemporali degli hit alla topologia del rivelatore (distanze fisiche tra PMT). Tali distanze, unavolta definite, racchiudono implicitamente considerazioni sulle lunghezze di assorbimento deifotoni generati da segnali.

Le considerazioni alla base dell’idea del trigger 4D sono legate alla conoscenza del range divelocità dei fotoni generati a seguito di un segnale rivelabile dai sensori ottici di NEMO (PMT)e delle distanze metriche tra i sensori ottici del rivelatore.

Non essendo possibile discriminare la lunghezza d’onda di unfotone incidente sul PMT, è necessario tenere in considerazionel’intero range dello spettro elettromagnetico di pertinenza deiPMT utilizzati. Questo range in linea generale si può identificarenell’intervallo [300, 600] nm, centrato intorno alla lunghezzad’onda per la quale il PMT specifico di NEMO ha la maggiore QE.

2

min 9

2

max 9

29979245800 1022.044 /

300 1.360 10

29979245800 1022.289 /

600 1.345 10

cv cm ns

n

cv cm ns

n

(1)


A questo punto, per sfruttare la conoscenza del range di velocità attese per i fotoni incidenti,occorre analizzare, nel modo più generale possibile, i casi limite delle posizioni dell’eventualetraccia muonica rispetto alla configurazione topologica dei PMT.

In generale, dati due PMT i e j, ed una tracciamuonica (con istante di partenza t0) che genera,(per semplicità e in prima approssimazione senzaconsiderare effetti di scattering), due fotoniincidenti sui due PMT in istanti di tempo,rispettivamente, t1 e t2, la relazione che lega itempi di incidenza dei fotoni sui rispettivi PMT(istanti di hit) è data da:

1 0 1 1

2 0 2 2

1 1 1

sin tan

1 1 1

sin tan

c c

c c

ct t Z R

c

ct t Z R

c

(2)


caso di distanza spazio-temporale minima

tra hit su due PMT

caso di distanza spazio-temporale massima

tra hit su due PMT

la traccia muonica si trovaperfettamente al centro tra i duePMT e perpendicolare rispetto alladistanza tra essi. In questo caso,dalla (2):

1 0 2t t t

min 0t

la traccia muonica è parallela alla congiungente delPMT i con il PMT j. In questo caso, poiché lo spaziopercorso dai fotoni generati (in istanti diversi) perraggiungere i due PMT è lo stesso, nella (2) si ha R1= R2, la differenza temporale tra i due hit è iltempo che il muone impiega a percorrere il trattoD(i,j):

1 2

max

( , )

t t

D i jt

c

(3)

(4)


Riassumendo, i casi esaminati rappresentano rispettivamente la minima e la massimadistanza 4D (spazio-temporale) tra due generici PMT. Quindi è possibile determinare unintervallo di tempo, per ogni coppia di PMT, entro cui è verificata la loro correlazione spazio-temporale:

4 min max

( , ), , 0,D

D i jPMT i j t t

c

D

(5)

I risultati limite ottenuti sono indipendenti sia dalla distanza della traccia dai PMT (e quindiindipendenti dagli istanti di arrivo dei fotoni sui PMT rispetto a t0) che dalla velocità deifotoni nel mezzo, ma dipendono al più solo dalla distanza D(i,j) tra i PMT i-esimo e j-esimo

Per una generica direzione, invece, diventa di fondamentale importanza la conoscenza dellavelocità dei fotoni nel mezzo (e quindi dell’indice di rifrazione), come già mostrato dalla (2).A partire dunque dalla matrice delle distanze metriche tra PMT, è possibile ottenere unamatrice di distanze temporali 4 ,DPMT i jD

da utilizzare nell’algoritmo di trigger per valutare la correlazione spazio-temporale tra i vari tempi di hit di volta in volta considerati. E’ altresì chiaro che il parametro principale di input per l’algoritmo deve dunque essere la matrice distanze metriche tra PMT (distanze indotte dalla topologia del rivelatore).La loro definizione ovviamente determina il grado di “rigidità” di correlazione tra gli hit, cioè

dell’algoritmo di trigger


E’ dunque importante definire la struttura dati con cui identificare l’informazione relativa aglihit durante il loro flusso temporale di acquisizione. A tal proposito l’idea è sfruttare lepotenzialità dei BTREE, una struttura dati utilizzata in informatica per organizzare eottimizzare gli accessi alle informazioni memorizzate su disco rigido da parte di una CPU.

In generale i BTREE sono la naturale generalizzazione dei BST: Un albero binario di ricerca(BST), in contesto informatico, è un albero binario in cui i valori dei figli di un nodo sonoordinati, usualmente, avendo valori minori di quelli del nodo di partenza nei figli a sinistra evalori più grandi nei figli a destra.


I BTREE, rispetto ai BST, hanno la peculiarità di potersi dotare di un numero di figli maggioredi 2. Questa caratteristica, come vedremo, è essenziale nel nostro caso. Ogni BTREE con nnodi ha altezza (profondità dell’albero) pari a O(logn), può avere una notevole quantità diramificazioni e ben si presta a compiere operazioni di I/O su insiemi dinamici in un tempocomputazionale limitato.

L’operazione di ricerca è simile a quella di solito praticata sugli alberi binari bilanciati, con ladifferenza che le possibili alternative su ogni livello dell’albero sono in generale maggiori di 2,cioè coincidono nel caso peggiore con il numero di nodi figlio.In generale le informazioni possono essere organizzate sottoforma di una foresta di BTREE(insieme di alberi BTREE disgiunti) in dipendenza delle particolari caratteristiche dei campikey dei nodi e del particolare criterio di ricerca delle informazioni desiderato.


L’idea dunque è organizzare il flusso delle informazioni derivanti da una sequenza di hit neltempo sottoforma di una foresta di BTREE, in cui i nodi contengano le informazioni relative aivari hit. La creazione e la ramificazione dei vari alberi procederà in modo dinamico in base alflusso temporale degli hit registrati dai sensori. Rispetto ai generici algoritmi di trigger, in cuidi solito si cerca di captare ed “inseguire” un’eventuale traccia nel tempo, l’algoritmoproposto rovescia questa situazione, “aspettando” l’eventuale traccia nel suo evolversiall’interno del rivelatore.

Un generico nodo, denominato BNODE, di un BTREE in questo caso sarà identificato da un hitregistrato, sottoforma di record, i cui campi sono:

nodeID: numero intero identificativo del nodo (hit)nchilds: numero di figli del nodo (0 implica foglia o nodo terminale dell’albero)pmtID: campo key id del PMT relativo all’hit corrente (id del PMT definito dalla topologia)stime: campo key relativo all’istante di accensione del PMT (hit start time)charge: campo key dell’integrale di carica dell’hit (fotoelettroni, conteggi per i dati raw)parent: ID del nodo padre (0 nel caso in cui il nodo sia la radice dell’albero)CHILDINFO: puntatore alla lista (array) di ID dei vari nodi figlio esistenti


Dunque, per ogni hit registrato esisterà un nodo BNODE contenente le informazioni (campikey del nodo) dell’hit codificate dall’array DATA_HIT(pmtID, stime e charge).La sua collocazione, come radice di un nuovo BTREE o come nodo interno di un BTREE giàesistente, sarà di volta in volta dinamicamente stabilita in base al criterio indotto dal grado dicorrelazione 4D tra gli hit registrati fino a quel momento.

Risulta chiaro allora che un’eventuale traccia, generando hit correlati, produrrà nella forestaun albero con un numero di ramificazioni sensibilmente più grande di quello dovuto acoincidenze casuali.

Per una generica coppia di hit successivi, il criterio di correlazione 4D consiste nel verificarese siano correlati in base alla (5):

4 min max

( , ), , 0,D

D i jPMT i j t t

c

D

Sia BTREE_LIST, la lista degli alberi già creata. Ogni albero nella lista è univocamenteidentificato dal nodo radice. Sia DATA_HIT(i, pmtID, stime, charge) il record relativo ad ungenerico hit già inserito nella foresta. Esisterà dunque un BNODE associato all’hit i-esimo.All’atto del caricamento di un hit j-esimo verrà creato un nuovo nodo BNODE con i campi keyrelativi alle informazioni dell’hit. A questo punto la valutazione della potenziale correlazione4D tra gli hit i e j è eseguita in base al seguente confronto: l’hit j-esimo è correlato all’hit i-esimo se 4[0, , ]i Dstime PMT i j D


Traccia con generazione di fotoni di puro Cherenkov

In questo caso, per note considerazioni fisiche, il cono Cherenkov generato dalla tracciainduce un hit singolo su ciascun PMT coinvolto nell’evento. Dunque ogni hit relativo allatraccia avrà un pmtID diverso.

BTREE_LIST composta da due alberi. All’arrivodell’hit j occorre fare il check con le radici



caso in cui il nodo BNODE(j) è correlato con l’albero avente radice il nodo BNODE(i). In talcaso la procedura prevede che si debba proseguire con il check di correlazione 4D tra il nodoBNODE(j) e tutti i figli del BNODE(i) (in questo caso solo il nodo BNODE(k).

Gli hit i e j sono correlati. In tal caso proseguo ilcheck tra j ed il figlio k



caso in cui il nodo BNODE(j) è correlato con il BNODE(i) ma non con il figlio BNODE(k).Potrebbe dunque esservi una potenziale nuova traccia che coinvolge i nodi i e j, oppure unacasuale correlazione dovuta a fondo tra i due nodi. In tal caso il nodo BNODE(j) vieneduplicato nella foresta, sia come nuovo figlio del BNODE(i), sia come radice di un nuovoalbero

Gli hit k e j non sono correlati. Il nodo j viene duplicato come figliodi i e come radice di un nuovo albero



check di correlazione 4D tra il nodo BNODE(j) con entrambi i nodi BNODE(i) ed il figlioBNODE(k) ha esito positivo. La procedura dunque prevede che si continui il check dicorrelazione in profondità nell’albero candidato, confrontando il BNODE(j) con i figli del nodoBNODE(k).

Gli hit k e j sono correlati. Si prosegue con il check tra j ed i nodifiglio di k (nodi p e a)



caso in cui la catena di correlazioni 4D tra il nodo BNODE(j) e l’albero avente radice BNODE(i)si ferma al BNODE(k) (cioè non vi è alcuna correlazione tra il nodo j ed i figli del nodo k). In talcaso il BNODE(j) viene aggiunto alla lista dei figli del nodo BNODE(k).

L’hit j è correlato con k ma non con p ed a. Il nodo j diventa nuovofiglio del nodo k



caso migliore (cioè sicura traccia identificata), in cui vi è una catena di correlazioni 4D tra ilnodo BNODE(j) ed i nodi i, k e p. In tal caso quindi il nodo j viene inserito come figlio del nodoBNODE(p).

L’hit j è correlato con k ed anche con p. Il nodo j diventa nuovofiglio del nodo p



Le peculiarità, così come le limitazioni, di questa prima versione della procedura si possono riassumere nei seguenti punti:

la procedura è applicabile solo al caso della ricerca di tracce indotte da puro Cherenkov non sono contemplati fenomeni di scattering non sono contemplati hit relativi allo stesso PMT (in cui la distanza 4D è ovviamente zero) si considera traccia attendibile solo quella che coinvolge una catena di correlazioni 4D

corrispondente ad una profondità pari ad almeno 3 negli alberi (quelle di profondità inferiore a 3 sono sicuramente dovute a casuali hit di fondo)

la procedura permette una buona identificazione della direzionalità della traccia la procedura è in grado di rivelare la presenza di più tracce in modo dinamico nel tempo non è utilizzata alcuna informazione sulla carica degli hit la procedura è in grado di identificare tracce con segnale debole (anche inferiore ad 1 p.e.,

in cui cioè gli hit di segnale sono indistinguibili da quelli di fondo dal punto di vista della carica)

E’ dunque evidente che la procedura descritta è una semplificazione del fenomeno, che necessita quindi di un’ulteriore ottimizzazione che possa migliorarne il rendimento.


Traccia con generazione multipla di fotoni

rappresentazione delle topologie di evento dovute a tipi differenti di interazioni da neutrino: 1) interazione con produzione solo di uno sciame adronico; 2) interazione con produzione di sciami adronico ed elettromagnetico; 3) interazione con produzione di un singolo muone a lungo raggio; 4) interazione con produzione di un muone τ che decade ad una certa distanza;

Nel caso di generazione di uno sciame, l’evento può coinvolgere ripetutamente unostesso PMT nel tempo. In questo caso dunque occorre introdurre nella procedura unmetodo che consenta l’identificazione di simili eventi multitraccia.



Nel caso di multitraccia si può far riferimento all’algoritmo di trigger TrO, in cui l’utilizzo dellaterna dei parametri (st,cdc,dt) permette l’identificazione di simili eventi. In particolare i dueparametri st e cdc, rispettivamente tempo di campionamento del datastream in datacube enumero di datacube successivi da controllare, combinati insieme rappresentano un metodoper identificare la presenza di un evento multitraccia.

uso combinato dei due parametri st e cdc perl’identificazione di evento multitraccia sul singoloPMT

In caso di due hit successivi sullostesso PMT, l’algoritmo TrO è in gradodi identificare l’evento scegliendoopportunamente i due parametri st ecdc (nell’esempio mostrato st = 25 ns ecdc = 3). La scelta dei due parametriimplica che il loro prodotto (st x cdc)fornisca un intervallo di tempo entrocui verificare l’ipotesi di unacorrelazione tra due hit successivi,dovuti ad uno stesso eventomultitraccia che coinvolga lo stessoPMT.



Nella procedura descritta nel precedente capitolo si può dunque introdurre questa coppia diparametri coinvolgendoli nel confronto tra due tempi di hit (stime) relativi allo stesso PMT.

Qualunque sia il livello di profondità dell’albero, nel caso due nodi i e j, identificati dairispettivi BNODE(i, stime(i)) e BNODE(j, stime(j)), abbiano lo stesso indice di PMT (pmtID(i) =pmtID(j)), si può dunque confrontare la differenza tra i rispettivi valori stime (istanti diaccensione) con il prodotto tra st e cdc, preliminarmente fissati all’avvio della procedura:

if pmtID(j) = pmtID(i)

if

aggiungi il BNODE(j) alla lista dei figli del BNODE(i) e prosegui il confronto nei nodi successivi dell’albero

elsenon c’è correlazione tra i due hit, per cui crea un nuovo albero con il BNODE(j) come radice

Deployment torre di fase 1M. Brescia

Deployment ROV - 1M. Brescia

Deployment ROV - 2M. Brescia

Posizionamento torre sul ponte della naveM. Brescia

Deployment dei pianiM. Brescia

Deployment torre di fase 1M. Brescia





Primi dati on-shoreM. Brescia

M. Brescia

Documents

Presentazione standard di PowerPoint - na.astro.itbrescia/documents/ASTROINFOEDU/brescia-E5-Nemo.pdf · Si è sfruttata la non correlazione dei segnali di 40Kper elaborare un algoritmo