EXPERIMENTAL METHODS FOR NUCLEAR PHYSICS

Apprendere tecniche di rivelazione più avanzate e le principali metodologie sperimentali per l’analisi dei dati da esperimenti di fisica nucleare.

In riferimento ai cosiddetti Descrittori di Dublino, questo corso contribuisce a acquisire le seguenti competenze trasversali:

Conoscenza e capacità di comprensione:

• Capacità di ragionamento induttivo e deduttivo.
• Capacità di apprendere e valutare i risultati sperimentali nel campo della fisica nucleare tramite la lettura di articoli specialistici.
• Capacità di impostare un problema utilizzando opportune relazioni fra grandezze fisiche (di tipo algebrico, integrale o differenziale) e di risolverlo con metodi analitici o numerici.
• Capacità di effettuare l'analisi statistica dei dati.
• Capacità di effettuare sessioni di analisi di dati reali estratti da esperimenti di fisica nucleare.

Capacità di applicare conoscenza:

• Capacità di applicare le conoscenze acquisite per la descrizione dei fenomeni fisici utilizzando con rigore il metodo scientifico.
• Capacità di valutare le performance di esperimenti nel campo della fisica nucleare ed effettuare l'analisi dei dati sperimentali.
• Capacità di effettuare calcoli numerici e di simulazione.

Autonomia di giudizio:

• Capacità di ragionamento critico.
• Capacità di individuare i metodi più appropriati per analizzare criticamente, interpretare ed elaborare i dati sperimentali.
• Capacità di individuare le previsioni di una teoria o di un modello.
• Capacità di valutare l'accuratezza e l'importanza delle misure esistenti in letteratura.
• Capacità di valutare la bontà e i limiti del confronto tra dati sperimentali e modelli teorici.

Abilità comunicative:

• Capacità di esporre oralmente, con proprietà di linguaggio e rigore terminologico, un argomento scientifico, illustrandone motivazioni e risultati.
• Capacità di descrivere in forma scritta, con proprietà di linguaggio e rigore terminologico, un argomento scientifico, illustrandone motivazioni e risultati.

L’insegnamento consta di 6 CFU, per un totale di 21 h didattica frontale e 45 h di attività sperimentale (suddivisa tra esercitazioni, sessioni di analisi e attività in laboratorio):

Nel corso si utilizzeranno diverse modalità di insegnamento:

1) Lezioni in aula

2) Esercitazioni numeriche in aula

3) Sessioni di analisi dati e di simulazione

4) Attività sperimentale in laboratorio

Le attività si svolgeranno in lingua inglese.

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto scritto, al fine di rispettare il programma previsto.

Corsi introduttivi di Fisica Nucleare

Conoscenze di statistica ed elaborazione dei dati sperimentali

Conoscenze informatiche di base

Conoscenze del framework di analisi ROOT

La frequenza al corso è di norma obbligatoria (consultare il Regolamento Didattico del Corso di Studi).

Tecniche di rivelazione avanzate:

Rivelatori avanzati: richiami sui rivelatori a stato solido e a gas, esempi di rivelatori moderni (CCD, rivelatori a strip, MAPS e pixel ibridi, CMOS, LGAD, rivelatori a banda larga, TPC, GEM, MRPC), calorimetri elettromagnetici, applicazioni avanzate di scintillatori, rivelatori Cherenkov, RICH.

Sistemi di trigger, acquisizione e trasmissione dati: acquisizione dati multiparametrica, trasmissione dei dati, trigger e selezione degli eventi, sistemi “trigger-less”, applicazione dell’AI nel processamento on-line dei dati.

Digital Pulse Processing: processamento del segnale con elettronica standard, richiami su principio di funzionamento di ADC, discriminatori e TDC, digitalizzatori e oscilloscopi digitali, analisi offline di segnali digitalizzati, metodologie e algoritmi per il processamento digitale degli impulsi, esempi.

Metodologie e tecniche di analisi dati:

Sottrazione del fondo: spettro massa invariante, fondo combinatorio, fit con funzioni continue, metodi e algoritmi per la sottrazione del fondo, tecnica event-mixing, tecnica like-sign, tecnica della traccia ruotata

Tracciamento e riconoscimento di pattern: algoritmi di riconoscimento di pattern, la trasformata di Hough e applicazioni ai rivelatori RICH, algoritmi di tracking, ricostruzione vertici primari e secondari, metodo Kalman Filter, analisi di sciami nei calorimetri.

Reti neurali: reti neurali artificiali (ANN), esempi ed applicazioni in fisica nucleare (identificazione di particelle, tracciamento di particelle, ricostruzione di un segnale, metodi di previsioni, problemi di classificazione).

Metodi Monte Carlo e simulazioni di rivelatori: richiami sui concetti di simulazione, tecniche di simulazione per studiare le proprietà di un rivelatore, codici di simulazioni professionali in Fisica Nucleare e campi affini.

Sessioni di analisi e attività in laboratorio:

Analisi di un set di dati da esperimenti LHC: struttura di un tree ridotto, macro di readout, esempi di analisi (distribuzione di molteplicità, spettri inclusivi di particelle, distribuzioni in impulso trasverso, qualità delle tracce e selezione, identificazione di particelle, spettri di particelle identificate, selezione delle V0, spettro di massa invariante, ricostruzione di K0s da coppie di pioni, ricostruzione di (anti) Λ, plot di Armenteros).

Applicazioni di reti neurali: identificazione di particelle, tracciamento di particelle, ricostruzione di un segnale, metodi di previsioni.

GEANT: esempi ed uso del software GEANT.

Misure sperimentali: misure tra rivelatori in coincidenza a piccole e grandi distanze (GPS), digitalizzazione e analisi di segnali da rivelatori, caratterizzazione elettrica di matrici di MAPS.

1) L.Lyons, Statistics for nuclear and particle physicists, Cambridge University Press.

2) C.M.Bishop, Neural networks and their applications, Rev.of Sci.Instr.65(1994)1803

3) G.F.Knoll, Radiation Detection and Measurements, Wiley.

4) M.Momayezi et al., Applications of real-time digital pulse processing in nuclear physics, AIP Conference Proceedings 518, 307 (2000); https://doi.org/10.1063/1.1306025

5) Ulteriori referenze bibliografiche su argomenti specifici forniti durante il Corso.

Per la valutazione finale si terrà conto dei seguenti aspetti:

• conoscenze e qualità dei contenuti
• chiarezza espositiva e proprietà di linguaggio
• pertinenza delle risposte rispetto alle domande formulate
• capacità di collegamento con altri temi oggetto del programma
• capacità di riportare esempi
• capacità di risolvere semplici esercizi o effettuare delle stime

La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere.

Informazioni per studenti con disabilità e/o DSA: a garanzia di pari opportunità e nel rispetto delle leggi vigenti, gli studenti interessati possono chiedere un colloquio personale in modo da programmare eventuali misure compensative e/o dispensative, in base agli obiettivi didattici ed alle specifiche esigenze. E' possibile rivolgersi anche al docente referente CInAP (Centro per l’integrazione Attiva e Partecipata - Servizi per le Disabilità e/o i DSA) del nostro Dipartimento, Prof. Catia Petta.

Discutere un rivelatore a gas di ultima generazione.

Discutere un rivelatore a stato solido di ultima generazione.

Descrivere le caratteristiche principali di un digitalizzatore.

Discutere una o più tecniche per la valutazione del fondo combinatorio.

Discutere un'applicazione di ANN nel campo della Fisica.

Descrivere lo scopo e l'utilizzo dei generatori di eventi nella Fisica nucleare.