EXPERIMENTAL METHODS FOR NUCLEAR PHYSICS

Apprendere tecniche di rivelazione avanzate e le principali metodologie sperimentali per la simulazione, il trattamento dei segnali e l’analisi dei dati di esperimenti di fisica nucleare, anche attraverso attività di esercitazione.

In riferimento ai cosiddetti Descrittori di Dublino, il corso contribuisce ad acquisire le seguenti competenze trasversali:

Conoscenza e capacità di comprensione

• Capacità di ragionamento induttivo e deduttivo.
• Capacità di comprendere i principi alla base delle principali tecniche di rivelazione e metodologie sperimentali della fisica nucleare.
• Capacità di apprendere e valutare risultati sperimentali attraverso la lettura di articoli specialistici.
• Capacità di impostare e risolvere problemi fisici mediante metodi analitici o numerici.
• Capacità di effettuare l’analisi statistica di dati reali e simulati.

Capacità di applicare conoscenza

• Capacità di applicare le conoscenze acquisite alla descrizione dei fenomeni fisici utilizzando con rigore il metodo scientifico.
• Capacità di applicare metodologie di rivelazione, trattamento dei segnali, simulazione e analisi dei dati in esperimenti di fisica nucleare.
• Capacità di valutare le prestazioni di esperimenti e rivelatori e di effettuare l’analisi dei dati sperimentali.
• Capacità di effettuare calcoli numerici e simulazioni.

Autonomia di giudizio

• Capacità di ragionamento critico.
• Capacità di individuare i metodi più appropriati per analizzare, interpretare ed elaborare dati sperimentali.
• Capacità di valutare l’accuratezza e l’importanza delle misure e dei risultati disponibili in letteratura.
• Capacità di valutare la bontà e i limiti del confronto tra dati sperimentali, simulazioni 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’attività sperimentale e i relativi risultati.

Capacità di apprendimento

• Capacità di approfondire autonomamente le metodologie sperimentali e le tecniche di analisi dei dati introdotte durante il corso, anche attraverso la consultazione di testi e articoli scientifici.
• Capacità di acquisire autonomamente nuove metodologie di rivelazione, trattamento dei segnali, simulazione e analisi dei dati.
• Capacità di applicare le conoscenze e le metodologie acquisite a problemi sperimentali non direttamente affrontati durante il corso.

L’insegnamento consta di 6 CFU, per un totale di 21 ore di didattica frontale e 45 ore di attività sperimentale, suddivise tra esercitazioni, sessioni di analisi e attività di laboratorio.

Nel corso saranno utilizzate diverse modalità di insegnamento, finalizzate all’acquisizione e all’applicazione delle metodologie sperimentali proprie della fisica nucleare:

• Lezioni in aula, volte a fornire le conoscenze teoriche relative alle tecniche di rivelazione, acquisizione e trattamento dei segnali, nonché alle principali metodologie di analisi e simulazione.
• Esercitazioni numeriche in aula, finalizzate all’applicazione delle conoscenze acquisite e allo sviluppo della capacità di affrontare problemi mediante metodi analitici e numerici.
• Sessioni di analisi dati e di simulazione, dedicate all’applicazione pratica di tecniche di trattamento e analisi di dati reali e simulati, nonché di metodologie di simulazione di rivelatori e apparati sperimentali.
• Attività sperimentale in laboratorio, finalizzata all’acquisizione di competenze pratiche nelle tecniche di rivelazione, acquisizione e trattamento dei segnali e alla valutazione delle prestazioni dei sistemi sperimentali.

Le attività saranno svolte in lingua inglese.

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

Prerequisiti indispensabili:

• Corsi introduttivi di Fisica Nucleare
• Conoscenze di statistica ed elaborazione dei dati sperimentali
• Conoscenze informatiche di base

Prerequisiti utili:

• Conoscenze del framework di analisi ROOT o Python

La frequenza al corso è fortemente consigliata (consultare il Regolamento Didattico del Corso di Studi), in considerazione della natura fortemente applicativa dell’insegnamento e della rilevanza delle attività esercitative e sperimentali, che consentono di acquisire e consolidare direttamente le metodologie e le tecniche affrontate durante le lezioni.

Il corso segue un percorso che, partendo dalle tecniche di rivelazione e dai sistemi di acquisizione e trattamento dei segnali, introduce le metodologie di trigger, analisi e ricostruzione dei dati, le applicazioni dell’intelligenza artificiale e le tecniche di simulazione, per arrivare alla loro applicazione attraverso esercitazioni e attività sperimentali su dati reali e simulati.

Tecniche di rivelazione e acquisizione dei dati

• Rivelatori avanzati: richiami sui rivelatori a stato solido e a gas; principi di funzionamento ed esempi di rivelatori moderni, quali CCD, rivelatori a strip, MAPS e pixel ibridi, CMOS, LGAD, TPC, GEM e MRPC. Eventuali ulteriori tecnologie di rivelazione potranno essere introdotte sulla base degli interessi degli studenti.
• Sistemi di acquisizione e trigger: acquisizione dati multiparametrica, trasmissione e gestione dei dati, sistemi di trigger e selezione degli eventi, sistemi *trigger-less* e applicazioni dell’intelligenza artificiale al processamento on-line dei dati.
• Digital Pulse Processing: principi di funzionamento di ADC, discriminatori e TDC; digitalizzatori e oscilloscopi digitali; digitalizzazione e analisi offline dei segnali; metodologie e algoritmi per il processamento digitale degli impulsi.
• Sincronizzazione e coincidenze: realizzazione di coincidenze tra rivelatori mediante tecniche tradizionali e sistemi di sincronizzazione basati su GPS.

Metodologie di analisi e ricostruzione dei dati

• Sottrazione del fondo: spettro di massa invariante, fondo combinatorio, fit con funzioni continue e principali metodi e algoritmi per la sottrazione del fondo, tra cui event mixing, like-sign e rotated-track.
• Tracciamento e ricostruzione: algoritmi di tracking e riconoscimento di pattern, ricostruzione dei vertici primari e secondari e introduzione al metodo del Kalman Filter.
• Reti neurali e intelligenza artificiale: principi delle reti neurali artificiali (ANN) e loro applicazioni in fisica nucleare, con particolare riferimento all’identificazione e al tracciamento delle particelle, alla ricostruzione di segnali, ai problemi di classificazione e alle metodologie di previsione.
• Metodi Monte Carlo e simulazione: principi e tecniche di simulazione, simulazione delle proprietà e della risposta dei rivelatori e introduzione ai principali codici di simulazione utilizzati in fisica nucleare e in ambiti affini.

Esercitazioni e attività sperimentali

Le metodologie introdotte durante il corso saranno applicate attraverso sessioni pratiche di analisi dati e attività sperimentali, comprendenti:

• sviluppo e applicazione di algoritmi per il trattamento e l’analisi di segnali digitalizzati;
• ricostruzione di vertici primari e secondari e analisi di spettri di massa invariante, incluso lo studio e la sottrazione del fondo combinatorio;
• applicazione di reti neurali a problemi di identificazione e tracciamento delle particelle, ricostruzione di segnali e previsione;
• utilizzo di GEANT4 per la simulazione di rivelatori e apparati sperimentali;
• misure di coincidenza tra rivelatori a diverse distanze, anche mediante sincronizzazione GPS;
• digitalizzazione e analisi di segnali provenienti da rivelatori
• caratterizzazione di sistemi elettronici basati su FET.

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

5) Ulteriori referenze bibliografiche su argomenti specifici fornite durante il Corso.

Per la valutazione finale si terrà conto dei seguenti aspetti:

• conoscenze e qualità dei contenuti
• chiarezza espositiva e proprietà di linguaggio
• pertinenza delle risposte rispetto alle domande formulate
• capacità di collegamento con altri temi oggetto del programma
• capacità di riportare esempi
• capacità di risolvere semplici esercizi o effettuare delle stime

La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere. 

A garanzia di pari opportunità e nel rispetto delle leggi vigenti, gli studenti interessati possono chiedere un colloquio personale in modo da programmare eventuali misure compensative e/o dispensative, in base agli obiettivi didattici ed alle specifiche esigenze. È possibile rivolgersi anche al docente referente CInAP (Centro per l’integrazione Attiva e Partecipata — Servizi per le Disabilità e/o i DSA) del proprio Dipartimento (https://www.cinap.unict.it/content/referenti).

Discutere un rivelatore a gas di ultima generazione.

Discutere un rivelatore a stato solido di ultima generazione.

Descrivere le caratteristiche principali di un digitalizzatore.

Discutere una o più tecniche per la valutazione del fondo combinatorio.

Discutere un'applicazione di ANN nel campo della Fisica.

Descrivere lo scopo e l'utilizzo dei generatori di eventi nella Fisica nucleare.