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

 

 

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.