Riconoscimento automatico di tracce di particelle nello scattering nucleare = Automatic recognition of particle tracks in nuclear scattering

Nell’ambito della fisica nucleare, il PAINUC experiment è un esperimento effettuato all’interno della Self-shunted streamer chamber (SSSC) del Joint Institute for Nuclear Research (JINR) a Dubna. L’obiettivo di tale esperimento è lo studio della fenomenologia dell’interazione nucleare alle energie di attivazione della risonanza ∆. All’interno della SSSC, per fotografare l’evento nucleare, vengono utilizzate due camere che catturano da due punti di vista diversi (vista Left e vista Right) i possibili scontri nucleari. A partire da tali fotografie, il team DubTo-PAINUC ha il compito di tracciare le traiettorie generate dalle particelle passanti nella SSSC, farne una ricostruzione 3D e studiarne il comportamento. Il tracciamento delle particelle presenta diverse problematiche e criticità a causa di un forte rumore di fondo dovuto alla ionizzazione dell’Elio della SSSC e al rumore gaussiano presente lungo le traiettorie. Questa tesi, quindi, ha l’obiettivo di proporre un sistema alternativo per il tracciamento delle traiettorie delle particelle nucleari catturate nella SSSC. Tale sistema è composto da tre parti fondamentali: una rete neurale convoluzionale che si occupa di segmentazione semantica, un algoritmo di divisione delle tracce e uno studio dell’intensità luminosa delle tracce trovate. In particolare, la rete si occupa di generare una maschera di segmentazione dell’intero evento; successivamente l’algoritmo, a partire da tale maschera e studiandone la geometria, attraverso trasformazioni morfologiche nell’ambito della Computer Vision, rileva le singole tracce; infine, si applica lo studio dell’intensità luminosa ai fini di poter avere un tracciamento che descriva fedelmente i bulbi di luce di cui è composta la traiettoria della particella. Il sistema è stato validato e testato sperimentalmente: gli esperimenti dimostrano delle performance incoraggianti. Il modello arriva a rilevare correttamente il 44% degli eventi analizzati.