EXPERIMENTAL METHODS FOR NUCLEAR PHYSICS

Apprendere 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
• Capcità 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.

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

Le attività si svolgeranno in lingua inglese.

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 è obbligatoria.

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

I contenuti del Corso sono i seguenti:

Experimental errors in nuclear physics: Error estimation - Statistical errors – Statistics of counting – Mean and variance - Systematic errors – Examples from realistic nuclear physics experiments – Combining results from different experiments – Significance tests.

Probability distributions and their use in nuclear physics: Probability – Parameter estimation – Hypothesis testing – Binomial distribution – Poisson distribution – Gaussian distribution – Landau-Vavilov distribution and the high energy tail in the energy loss of charged particles - Other distributions of interest for nuclear physics - Application to specific nuclear physics phenomena – Particle counting – Time between successive random events – Dead time of a detector – Occupancy for a segmented detector – Photoelectrons in a photomultiplier - Uncorrelated variables – Distributions in two or more dimensions.

Background subtraction: Invariant mass spectra – Estimation of combinatorial background – Fit by smooth mathematical functions – Combinatorial background – Methods and algorithms for background subtraction in high multiplicity events - The event mixing method - The track rotation method – The like sign method

Methods for data acquisition and analysis: Multiparametric data acquisition systems – Multiparametric analysis - Trigger design and event selection – Event filtering – Classification of events by centrality – Global variables and centrality evaluation – Determination of reaction plane - Event splitting and evaluation of errors.

Tracking and pattern recognition methods: Pattern recognition methods – Hough transform and its application to RICH detectors – Tracking methods – Track recognition and reconstruction – Simple combinatorial methods - Primary and secondary vertex finding – Kalman Filter method – Shower analysis for calorimeters – Shape analysis – Jet reconstruction

Neural network methods: Artificial neural networks (ANN) – Implementation of ANN by the ROOT package - Applications of ANN to problems in nuclear physics: particle identification, particle tracking, signal reconstruction, forecast methods – Use of neural network algorithms for classification.

Monte Carlo methods and detector simulation: Basic of Monte Carlo methods – Random numbers and sequences - Monte Carlo methods and application to nuclear physics – Simulation techniques for the evaluation of detector properties - Detector acceptance and efficiency - Simulation of physical processes and detector response – Implementation and use of simulation codes – The GEANT tool – Examples and applications in nuclear physics and related areas

Digital Pulse Processing: Signal processing with standard electronics – Working principles of ADC, Discriminators and TDC - Digitizer and digital oscilloscopes - Offline analysis of digital signals – Methods and algorithms for digital pulse processing – Examples.

Analysis sessions of experimental data from LHC experiments: Structure of a reduced tree from reconstructed data – Implementation of a readout ROOT macro – Simple basic analyses: Track multiplicity distribution - Inclusive single particle spectra – Transverse momentum and pseudorapidity spectra – Quality of tracks and track selection – Particle identification – Identified particle spectra – V0 selection – Invariant mass analysis – Reconstruction of K0s from pion pairs – Reconstruction of Λ and its antiparticle – Armenteros plot.

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

Ulteriori referenze bibliografiche su argomenti specifici saranno forniti durante il Corso.

Presentation of a written Report describing the personal activities of analysis or simulations based on the topics discussed within the Course. Oral discussion of the results and the topics of the Course.

Exams may take place online, depending on circumstances.

The evaluation of the exam will be based on the correctness, completeness, quantitativeness and originality of the analysis carried out, on the understanding of the topics and on the capability to correct communicate the problems and the results.

Examples of Monte Carlo simulation methods - Understanding the response of a detector by means of GEANT simulations - APplications of neural networks - Applications and use of digital pulse processing - Reconstruction of primary vertex in a nuclear collision - Decay and reconstruction of a particle - Probability distributions in nuclear physics.