O conhecimento sobre a composição de raios cósmicos de altas energias é fundamental na abordagem da maior parte das grandes questões referentes à astrofísica de altas energias. Entretanto, do ponto de vista experimental, determinar o tipo de partícula medida nesse regime de energia ainda é um enorme desafio e essa tarefa tem recebido especial atenção por parte das colaborações responsáveis pelos experimentos em atividade. A principal dificuldade está no fato das medidas serem realizadas indiretamente através das cascatas de partículas formadas a partir da interação do raio cósmico inicial com átomos da atmosfera, os chamados chuveiros atmosféricos. Entre os principais experimentos em funcionamento, o Observatório Pierre Auger se destaca por ter a maior área de detecção (3000 km2) e por utilizar pioneiramente um sistema híbrido de detecção, com detectores de superfície e de fluorescência funcionando simultaneamente. Os telescópios de fluorescência medem o número de partículas do chuveiro em função da profundidade, o que chamamos de perfil longitudinal. Alguns parâmetros extraídos desse perfil são sensíveis à composição das partículas primárias. No presente trabalho, aplicamos métodos estatísticos novos aos dados extraídos dos perfis longitudinais de chuveiros medidos pelo Auger com o objetivo de inferir informações sobre a massa média, ou seja, a composição dos raios cósmicos. A primeira análise apresentada é baseada no parâmetro XMax. A evolução do valor médio de XMax com a energia contém informações sobre a composição inicial. Com o objetivo de eliminar vieses experimentais, corrigindo os efeitos dos detectores, aplicamos métodos de deconvolução às distribuições de XMax. A segunda análise é do tipo multiparamétrica e aplica redes neurais do tipo Multilayer Perceptrons a outros parâmetros extraídos dos perfis longitudinais. A partir desse procedimento é possível obter informações sobre a composição média das partículas e também reconstruir a energia dos eventos. / The knowledge about high energy cosmic rays composition is fundamental to approach most of the big questions regarding high energy astrophysics. However, from the experimental point of view, to determine the kind of the measured particle in this energy range is still a huge challenge and this task has received special attention from the collaborations responsible for running the experiments in activity. The main difficulty is on the fact that the measurements are made indirectly by the secondary particles cascades formed by the interaction of primary particles with atmosphere atoms, which are called air showers. Among the main experiments in operation, Pierre Auger Observatory has the larger collecting area (3000 km2) and uses a pioneer hybrid detection system, with surface detectors and fluorescence telescopes working simultaneously. The fluorescence telescopes measure the number of particles in the shower as a function of atmospheric depth, which we call longitudinal profiles. Some parameters extracted from these profiles are sensitive to primary composition. In this study, we applied new statistical methods to the data from longitudinal profiles measured by the Pierre Auger Observatory aiming to infer information about the mean mass, in other words, the composition of cosmic rays. The first analysis shown (chapter 4) is based on the known parameter called XMax. The evolution of XMax mean value with energy contains information about primary composition. Unfolding methods have been applied to the XMax distribution in order to minimize experimental bias and to correct detector effects. The second analysis shown is of the multi-parametric type and applies neural networks of the Multilayer Perceptrons class to longitudinal profiles parameters. From this procedure, it is possible to obtain information about average composition and to reconstruct the energy of events.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-23042014-155508 |
| Date | 14 February 2014 |
| Creators | Prado, Raul Ribeiro |
| Contributors | Souza Filho, Luiz Vitor de |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Dissertação de Mestrado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0026 seconds