AI for EEE

Thursday 26 Feb 2026, 14:30 → 16:30 Europe/Rome

 

 

Partecipanti: Simone, Kristian, Francesco

 

Presentazione Simone

- ML per MRPC

 - unsupervised vs supervised con MC

       - unsupervised: 

            - posso aggiungere la pressione/temperatura? Si c'è un entry per run nel TTree Weather

             - combinazioni feature per migliorare la curva di ROC: si possono aggiungere anche feature che non sono a livello di traccia ma di evento (moltplicità hit/cluster su ogni camera), deltatime (elettroni che vengono dal decadimento del muone)

              - Francesco deve dire come si connette la verità MC al DST

 

Note configurazione MC attualmente in uso

• Gli output MC sono nelle risorse al CNAF nel path: /MC/d50_50/2017-10-01
• la configurazione usata è in sim.C che usa una distribuzione flat in cos(theta) invece di una dipendenza cos^2(theta) come da attesa per i cosmici (era pensata per gli studenti per avere un riferimento di effetti di accettanza per correggere i dati). Il generatore in questo caso è semplicemente un generatore di singoli muoni (1 muone per evento)
• software usato è quello di EEE_Analyzer
• per ogni run sono prodotti 5 file (3 MC + 2 di ricostruzione)
  • _mc.root (MC) -> eventi (anche non ricostruiti) -> particelle generate
  • _hit.root (MC) -> eventi con hit (~30% dei generati)
  • _digit.root (MC) -> eventi con digit (~50% di quelli con hit) + eventi gps (1 ogni secondo) -> trigger (gli eventi gps sono quelli con type=0)
    • nota che 1 digit è il segnale di un canale su un singolo lato! Quindi se c'è il trigger devi avere nhit>=6 (gli eventi gps non hanno hit)
  • .root.eee (reco, temporaneo) -> da eventi con digit/trigger ma senza eventi gps
  • _dst.root (reco) -> da eventi come .root.eee
• Il mapping tra i file non è ovvio. Al momento si può mappare
  • digit <-> dst
  • hit <-> verità MC
  • il passaggio da digit a hit (per chiudere la catena da dst -> MC) non è tracciato purtroppo

 

Simulazione 2 (Corsika) -> realistica

• path: /MC/production (controllare in sim.C "gen->SetMinEnergy"), per esempio
  • 2018-10-17: Emin primario = 100 GeV -> Rate = 20 Hz
  • 2018-10-24: Emin primario = 1000 GeV -> Rate = 2 Hz
• configurazione da sim.C e telescope (in questa data ci sono 2 telescopi BOLO-01 e BOLO-04 a distanza di 100 m)
  • descrizione telescope: nome x(cm) y(cm) z(cm) distanza_camere_top_middle distanza_camere_middle_bottom
•  

14:30 → 14:50 ML for MRPC

Speaker: Simone Manti (INFN-LNF)

EEE_2026_02_26.pdf

1. ML per MRPC

a. Unsupervised ML per χ2:

-Definizione matrice features per χ2; casi per tracce o eventi; Features da tree Events (ntracks=1); Correlazione features e PCA; Classificazione χ2 con modello lineare, random forest e XGBoost; ROC curves e importanza features.

-Features derivate: Velocity, Time Consistency, Residuals Calculated, Theta Zenith, TOT Asymmetry. Alternativa Time Consistency come target vector y.

b. Supervised ML con Monte Carlo

-Struttura file MC: MC Truth  →  Hit  →  Digit  →  DST

-Simone continuerà con Unsupervised ML con features derivate; analisi simile sul dst del MC
-Francesco vedrà come collegare gli eventi del dst agli eventi Monte Carlo truth.