Este sitio web utiliza cookies propias y/o de terceros para mejorar su experiencia de navegación, así como para fines analíticos.

Si pulsa el botón "Aceptar cookies", se considera que acepta su uso. Para más información sobre cómo configurar las cookies, pulse el botón "Política de cookies".

Aceptar cookies Política de cookies

Imagen subsite INTA
arrow_upward

Procesado de señal mediante Deep Learning y su aplicación en detectores de partículas energéticas

Ponente:

Dr. Alberto Regadío Carretero (Departamento de Programas Espaciales, INTA)

Fecha: Miércoles 16 de junio 2021 (12:00-13:00)

Resumen:
Los detectores de partículas energéticas tienen como fin la caracterización de la radiación (en forma de partículas o de fotones) que les llega, ya sea desde el espacio o desde una fuente de radiación. Estas partículas generan pulsos que son procesados analógica o digitalmente. Este procesamiento de pulsos tiene objetivos similares a un procesado de señal genérico, como maximizar la relación señal-ruido, pero cuenta con peculiaridades propias asociadas a este tipo de aplicación. Este procesamiento de pulsos, si es similar a un procesado de señal genérico, puede ser modelado como funciones de transferencia lineales que son ejecutadas mediante electrónica (analógica o digital) y/o software.

En esta charla se hablará acerca de sustituir este procesamiento lineal de pulsos por una red neuronal artificial profunda, que es lo que se conoce actualmente como Deep Learning. En concreto se hablará sobre una red neuronal concreta llamada U-net. Debido al hecho de que son generalmente sistemas no lineales, su comportamiento frente al ruido es significativamente diferente al de los sistemas lineales. Aprovechamos esta no linealidad para lograr relaciones señal-ruido superiores con un tiempo de modelado extremadamente corto; además, esta red soluciona problemas propios de este tipo de aplicaciones como el solapamiento de pulsos (pile-up), déficit balístico e incluso estima la altura de los
pulsos cuando hay saturación en el detector.

Este seminario se centrará sobre todo de esta técnica de procesado de señal poniendo como ejemplo la caracterización de partículas energéticas para que, eventualmente, pueda ser adaptada a otro tipo de sistemas que tengan su problemática concreta.

deep_learning