Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-07-03T15:40:35Z No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-08-08T13:06:18Z (GMT) No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) / Made available in DSpace on 2017-08-08T13:06:19Z (GMT). No. of bitstreams: 1 mateushufnagelmaranhadefaria.pdf: 6274588 bytes, checksum: 833ec4ebff2e364becfe0d733ccfd174 (MD5) Previous issue date: 2017-03-09 / Este trabalho tem como objetivo a implementação de um sistema de estimação de energia, adequado às condições de alta luminosidade do maior e mais potente colisionador de partículas já construído, o LHC. Agendadas em seu programa de atualização, estas condições aumentam a probabilidade de colisões próton-próton dentro de seus detectores, como o ATLAS. A resposta do calorímetro hadrônico do detector ATLAS, Tilecal, necessita de um tempo de sete cruzamentos de feixe de partículas para gerar um pulso de amplitude proporcional à energia depositada. Neste sentido, aumentar a probabilidade de ocorrência das colisões também intensifica a presença do empilhamento de sinais. Este efeito faz com que o erro aumente na estimativa da amplitude dos sinais gerados na eletrônica de leitura do Tilecal neste ambiente. A interpretação do calorímetro como um canal de comunicação de característica dispersiva faz-se necessária para a recuperação do impulso de entrada, removendo-se, assim, o efeito de empilhamento e proporcionando uma medida direta da deposição de energia em cada cruzamento de feixe. A utilização de técnicas lineares para este propósito mostraram-se eficientes quando comparadas ao método atualmente implementado no sistema de trigger. No entanto, não-linearidades intrínsecas ao canal não podem ser modeladas por estas técnicas. Assim sendo, neste trabalho é proposto um equalizador de canal não-linear baseado em redes neurais artificiais. Através de treinamentos exaustivos, os principais parâmetros que compõem a arquitetura de uma rede neural feedforward foram determinados com o propósito de aliar alta performance e baixa complexidade da rede. O estimador neural mostrou-se robusto em ambientes com alta ocorrência de empilhamento de sinais, além de atender aos requisitos de implementação em hardware dedicado, no qual foi utilizado uma FPGA. Apesar da implementação de funções de ativação não-lineares em hardware com boa precisão consumir bastante recurso computacional, esta limitação foi contornada com a utilização de uma look-up table altamente compacta. Portanto, a rede neural foi quantizada em ponto fixo, visando reduzir ao máximo o número de elementos lógicos utilizados, sem comprometer sua capacidade ao compará-la com a rede implementada em software. / This work aims to implement an energy estimation system, which is adequate to the high luminosity conditions of the most powerful collider ever built, the LHC. Scheduled in its update program, these conditions increase the probability of proton-to-proton collisions within its detectors, like ATLAS. The response from the hadronic calorimeter of the ATLAS detector, Tilecal, needs time corresponding to seven crossing particle beams to generate pulse amplitude proportional to the deposited energy. In this sense, increasing the likelihood of collision occurrence also intensifies the signal pile-up. This effect increases the amplitude estimation error of the signals, generated in the readout electronics of Tilecal in this environment. The interpretation of the calorimeter as a communication channel of dispersive character is necessary for the recovery of the input impulse, removing, this way, the pile-up effect and providing a direct measure of the energy deposition in each bunch-crossing. The utilization of linear techniques for this purpose have shown to be efficient when compared to the method currently being employed in the trigger system. However, non-linearities intrinsic to the channel cannot be modulated through these techniques. Therefore, it is proposed in this work a non-linear channel equalizer based on artificial neural networks. Through exhaustive training, the main parameters that compose the architecture of a feedforward neural network have been determined with the purpose of allying high performance with low network complexity. The neural estimator has shown to be robust in environments with high amounts of signal pile-up, as well as meeting the requirements for implementation of dedicated hardware, in which an FPGA was used. In spite of the implementation of non-linear activation functions in optimal precision hardware requiring high computational resources, this limitation was circumvented by utilizing a highly compact look-up table. Therefore, the neural network was quantified at a fixed point, aiming to reduce as much as possible the number of logical elements used without compromising its capacity to compare it with the network implemented in software.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-25T14:05:10Z No. of bitstreams: 1 joaopaulobittencourtdasilveiraduarte.pdf: 8307204 bytes, checksum: a026db8104dd8767f6e5b0fc71d452e9 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-25T15:27:51Z (GMT) No. of bitstreams: 1 joaopaulobittencourtdasilveiraduarte.pdf: 8307204 bytes, checksum: a026db8104dd8767f6e5b0fc71d452e9 (MD5) / Made available in DSpace on 2017-04-25T15:27:51Z (GMT). No. of bitstreams: 1 joaopaulobittencourtdasilveiraduarte.pdf: 8307204 bytes, checksum: a026db8104dd8767f6e5b0fc71d452e9 (MD5) Previous issue date: 2015-08-27 / Este trabalho apresenta um estudo sobre técnicas de deconvolução de sinais para a reconstrução online de energia no primeiro nível de trigger do calorímetro hadrônico (TileCal) do ATLAS. O ambiente de alta luminosidade, previsto para ocorrer nos próximos anos no colisionador de partículas LHC, aumenta a probabilidade de ocorrência de colisões adjacentes, promovendo o efeito de empilhamento de sinais. O algoritmo atualmente utilizado para a reconstrução de energia não é robusto a este efeito. Neste trabalho, o TileCal é interpretado como um canal de comunicação, cuja a resposta ao impulso deve ser compensada a fim de remover o efeito de empilhamento e recuperar a informação de energia depositada em cada colisão. Os métodos desenvolvidos requisitam uma implementação online. As FPGAs, por serem dispositivos reconfiguráveis e de alta velocidade, foram escolhidas para implementação destes algoritmos. Assim, neste trabalho avaliou-se dois tipos de técnicas de deconvolução, uma direta baseada em filtros FIR e outra baseada em métodos iterativos. O segundo tipo de técnica, permite uma melhora de desempenho na reconstrução pela possibilidade de se utilizar um conhecimento especialista de que a energia reconstruída deve ser sempre positiva. Os resultados da avaliação mostram que os métodos propostos apresentam maior desempenho, em alta luminosidade, do que o método atualmente implementado. Como esperado, os métodos iterativos reconstroem a energia com menor erro quando comparados às técnicas baseadas em filtros FIR. Porém, com relação a implementação, as técnicas iterativas são de maior complexidade e utilizam mais recursos de hardware. / This work presents a study of deconvolution techniques to be used in the online energy reconstruction for the ATLAS hadronic calorimeter (TileCal) first level trigger system. The high-luminosity environment, foreseen for the next years of operation of the LHC particle collider, increases the probability of observe adjacent collisions, promoting the signal superposition effect. The current algorithm for energy reconstruction is not robust against this pile-up effect. In this work, the TileCal is considered as a communication channel whose impulse response must be compensated in order to remove the pile-up effect and to recover the deposited energy information at each collision. The developed methods require an online implementation. Since FPGAs are suitable for high-speed applications, they are chosen to be used in the ATLAS trigger system. Therefore, in this work two different online deconvolution techniques were tested, a direct FIR filter implementation and techniques based on iterative processes. The later outperforms the former due to the possibility of imposing a constraint for reconstructing only positive energies, which is know to reflect the reality. The results have shown that the proposed methods present better reconstruction performance than the current employed method when the environment presents superposition effect (high luminosity). As expected, the iterative methods present smaller errors than the direct FIR methods. However, regarding the FPGA implementation, the iterative techniques have a higher computational cost and uses more hardware resources.