Corso di laurea in Fisica

Al termine dello scorso periodo di presa dati a LHC, l'esperimento ALICE ha subito un importante upgrade per poter gestire la maggiore luminosità e l'alto interaction rate in Run 3. L'upgrade si è concentrato sulla sostituzione dell' Inner Tracking System (ITS) di ALICE con un modello più avanzato, l'ITS2, e sull'aggiunta di un nuovo rivelatore, il Muon Forward Tracker (MFT). MFT e ITS2 sono tracciatori al silicio che condividono la stessa tecnologia basata su sensori di pixel monolitici attivi (MAPS) che integrano l'elettronica di lettura e le aree sensibili del rivelatore nello stesso chip. Tali sistemi di tracciamento permettono di ottenere un'eccezionale risoluzione sul vertice e in momento, nonostante la lettura binaria dei MAPS impedisca in linea di principrio di eseguire l'identificazione delle particelle (PID) sfruttando l'energia depositata dalle particelle cariche che attraversano il rivelatore.

In questo lavoro investigheremo un nuovo metodo per identificare particelle cariche utilizzando il rivelatore MFT sfruttando la topologia del segnale (cluster) lasciato dalle particelle cariche che attraversano i piani del MFT. Lo studio sarà condotto su simulazioni Monte Carlo e sui dati raccolti dall'esperimento ALICE in Run 3 in collisioni pp a energia nel centro di massa pari a  13.6 TeV e Pb-Pb a  5.5 TeV. Utilizzeremo una rete neurale per classificare le particelle come minimum-ionising particles (mip) o nuclei, assumendo una forte dipendenza delle dimensioni del cluster dall'energia depositata dalla particella, la quale è attesa dipendere dalla carica della particella stessa. La curvatura residua delle tracce dal campo magnetico è sufficiente per separare nuclei e antinuclei. In questo scenario, con questa tecnica sarebbe possibile misurare la produzione di antinuclei ad alti valori di rapidità, un elemento essenziale per descrivere la produzione di materia oscura nell'Universo.

Per condurre le analisi utilizzeremo il framework di ALICE, O2, e il framework di analisi dati ROOT. L'analisi sarà eseguita in C++ e Python, e useremo l'algoritmo PyTorch per separare nuclei e mip.

Il lavoro sarà svolto in collaborazione con ricercatori dell'INFN (Luca Micheletti) e assegnisti di ricerca dell'Università (Stefano Politanò). 

Disponibili tesi triennali o magistrali