Algoritmus pro rekonstrukci drah částic v SuperNEMO detektoru

Abstract

Experiment SuperNEMO studuje bezneutrinový dvojný beta rozpad vzácný jaderný proces, jehož potvrzení by mělo zásadní dopad na současnou částicovou fyziku. Na rozdíl od většiny detektorů, které měří pouze energii, kombinuje SuperNEMO kalorimetr s dráhovým detektorem, což umožňuje detailní rekonstrukci drah nabitých částic. Tato diplomová práce představuje nový algoritmus pro rekonstrukci drah, zkombinováním a vylepšením vícero různých metod. Využívá pokročilé rekurzivní klastrování založené na dříve vyvinutém přístupu využívajícím Legendreovu transformaci, doplněné o vysoce optimalizovanou metodu maximální věrohodnosti pro dosažení co nejvyšší přesnosti. Práce popisuje i postupy pro řešení nejednoznačností u symetrických situací a pro rekonstrukci lomených trajektorií, které popisují obtížnější případy částic s nezanedbatelným rozptylem. Výsledný algoritmus byl implementován jako plně funkční modul pro zpracování dat a umožňuje spolehlivou rekonstrukci i složitých událostí, což přispívá k dosažení cíleného ultra nízkého pozadí.

The SuperNEMO experiment studies neutrinoless double beta decay, a rare nuclear process with profound implications for particle physics. Unlike most detectors focused only on energy measurement, SuperNEMO combines calorimetry with a drift-cell tracking system, allowing full topological reconstruction of the events. This thesis presents a track reconstruction algorithm developed as a carefully structured combination of complementary techniques. We introduce an advanced recursive clustering method for tracker hits, based on a previously developed approach using the Legendre transform, and combine it with a highly optimized maximum likelihood procedure to ensure precision. We propose dedicated methods for resolving ambiguities in symmetric data configurations and for supporting polyline trajectory reconstruction to account for scattering. The algorithm has been implemented as a fully functional data processing module and achieves robust track reconstruction even in complex event topologies, contributing to the experiments goal of achieving ultra-low background conditions.