{"id":59611,"date":"2023-12-26T13:19:19","date_gmt":"2023-12-26T17:19:19","guid":{"rendered":"http:\/\/www.ing.una.py\/?p=59611"},"modified":"2024-12-05T14:07:33","modified_gmt":"2024-12-05T17:07:33","slug":"presentaron-trabajo-final-de-grado-denominado-segmentacion-y-seguimiento-de-muones-utilizando-tecnicas-de-deep-learning-para-el-experimento-connie","status":"publish","type":"post","link":"https:\/\/www.ing.una.py\/FIUNA3\/?p=59611","title":{"rendered":"Presentaron Trabajo Final de Grado denominado \u00abSegmentaci\u00f3n y seguimiento de Muones utilizando t\u00e9cnicas de Deep Learning para el Experimento CONNIE\u00bb"},"content":{"rendered":"<p><![CDATA[<em><b>\u00abSegmentaci\u00f3n y Seguimiento de Muones Utilizando T\u00e9cnicas de Deep Learning para el Experimento CONNIE<\/b><\/em><em><b>\u00bb<\/b><\/em><b>,\u00a0<\/b>se denomina el Trabajo Final de Grado (TFG) presentado por los ahora ingenieros <strong>Edith Karina Aquino Cantero y Carlos Alberto Silva Gines,<\/strong>\u00a0como prueba final para egresar de la carrera de\u00a0<b>Ingenier\u00eda Mecatr\u00f3nica\u00a0<\/b>de la<b> Facultad de Ingenier\u00eda de la Universidad Nacional de Asunci\u00f3n (FIUNA).<\/b> La defensa del trabajo se realiz\u00f3 el jueves 21 de Diciembre de 2023 en\u00a0la Instituci\u00f3n.<!--more-->\n\nEl aprendizaje y la ciencia de datos emerge como un pilar fundamental en la exploraci\u00f3n de los vastos conjuntos de datos generados en la f\u00edsica de part\u00edculas en un an\u00e1lisis complejo para extraer informaci\u00f3n significativa. Los m\u00e9todos tradicionales de an\u00e1lisis para tales conjuntos de datos pueden resultar lentos, demandantes en recursos humanos y susceptibles a errores. Por ello, el uso de algoritmos autom\u00e1ticos, como el aprendizaje profundo (Deep Learning) y el aprendizaje autom\u00e1tico (Machine Learning), se ha vuelto cada vez m\u00e1s importante en los \u00faltimos a\u00f1os.\u00a0Estos m\u00e9todos permiten analizar eficientemente grandes conjuntos de datos, identificar patrones y clasificar eventos con precisi\u00f3n. La aplicaci\u00f3n de estas t\u00e9cnicas puede potenciar considerablemente la velocidad y precisi\u00f3n de la investigaci\u00f3n en f\u00edsica de part\u00edculas, facilitando la exploraci\u00f3n de preguntas cada vez m\u00e1s complejas sobre la naturaleza del universo.\n\nEl experimento CONNIE (Coherent Neutrino-Nucleus Interaction Experiment) fue dise\u00f1ado para detectar antineutrinos generados en reactores y para probar interacciones no est\u00e1ndar de neutrinos mediante la medici\u00f3n de los retrocesos de baja energ\u00eda (CEVNS). En este experimento, se pueden emplear algoritmos autom\u00e1ticos para identificar muones entre otras part\u00edculas y estimar la contaminaci\u00f3n de fondo del experimento. Este enfoque permite que los investigadores se centren en los fen\u00f3menos m\u00e1s significativos y raros, reduciendo significativamente el tiempo necesario para el an\u00e1lisis. Por lo tanto, el uso de algoritmos autom\u00e1ticos, como los utilizados en el experimento CONNIE, resulta crucial para mejorar nuestra comprensi\u00f3n de los bloques fundamentales del universo.\n\nEn relaci\u00f3n con los muones, estos no son directamente detectados por CONNIE, pero desempe\u00f1an un papel crucial en la investigaci\u00f3n. Los muones son part\u00edculas cargadas que se generan en abundancia a partir de la interacci\u00f3n de neutrinos y antineutrinos con la materia, especialmente en interacciones c\u00f3smicas de alta energ\u00eda. El detector CONNIE, ubicado cerca del reactor nuclear Angra II en Angra dos Reis, Brasil, cuenta con 12 sensores CCD y ha estado registrando im\u00e1genes desde agosto de 2016. Aunque el software de extracci\u00f3n de datos desarrollado por la colaboraci\u00f3n CONNIE cuenta con sus propios algoritmos de detecci\u00f3n de eventos, carece de la capacidad para clasificar eventos individuales y superpuestos con precisi\u00f3n. Es importante se\u00f1alar que, en f\u00edsica, cuando se habla de evento, se hace referencia a la interacci\u00f3n de una part\u00edcula estudiada con el material del detector, que luego, tras el proceso de reconstrucci\u00f3n, crear\u00e1 diferentes trazos en las im\u00e1genes. En este contexto, el Trabajo Final de Grado propuso t\u00e9cnicas para la segmentaci\u00f3n de instancias y se desarrollaron modelos para clasificar muones y detectar eventos superpuestos. Los resultados mostraron 99 % de exactitud en seguimiento y una precisi\u00f3n media de 48.5 %, con el modelo logrando un 61.1 % de precisi\u00f3n en la detecci\u00f3n de objetos. Estos hallazgos resaltan el potencial de los modelos y su relevancia en entender las variaciones en la tasa de muones en CONNIE.]]>    \t<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u00abSegmentaci\u00f3n y Seguimiento de Muones Utilizando T\u00e9cnicas de Deep Learning para el Experimento CONNIE\u00bb,\u00a0se denomina el Trabajo Final de Grado (TFG) presentado por los ahora ingenieros Edith Karina Aquino Cantero y Carlos Alberto Silva Gines,\u00a0como prueba final para egresar de la carrera de\u00a0Ingenier\u00eda Mecatr\u00f3nica\u00a0de la Facultad de Ingenier\u00eda de la Universidad Nacional de Asunci\u00f3n (FIUNA). La defensa del trabajo se realiz\u00f3 el jueves 21 de Diciembre de 2023 en\u00a0la Instituci\u00f3n.<\/p>\n","protected":false},"author":1,"featured_media":59612,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[887,75,143],"tags":[177],"class_list":["post-59611","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-eventos","category-noticias","category-tfg","tag-ingenieria-en-mecatronica"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts\/59611","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=59611"}],"version-history":[{"count":1,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts\/59611\/revisions"}],"predecessor-version":[{"id":73903,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/posts\/59611\/revisions\/73903"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=\/wp\/v2\/media\/59612"}],"wp:attachment":[{"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=59611"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=59611"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ing.una.py\/FIUNA3\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=59611"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}