DSpace Repository

Clasificación de rayos cósmicos primarios

Show simple item record

dc.contributor.author Herrera López, María Guadalupe
dc.date.accessioned 2019-03-06T17:19:46Z
dc.date.available 2019-03-06T17:19:46Z
dc.date.created 2018-11-13
dc.date.issued 2019-03-05
dc.identifier.citation Herrera López, María Guadalupe. (2018). Clasificación de rayos cósmicos primarios. (Maestría en Ciencias de la Computación). Instituto Politécnico Nacional, Centro de Investigación en Computación, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/26726
dc.description Tesis (Maestría en Ciencias de la Computación), Instituto Politécnico Nacional, CIC, 2018, 1 archivo PDF, (84 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: En el campo de la física de altas energías se estudian las interacciones entre partículas de altas energías y la relación que existe entre ellas, este tipo de estudios es importante porque a partir de ellos se puede obtener información sobre las etapas tempranas del universo. Una manera de examinar estas partículas, es por medio del estudio de rayos cósmicos, los cuales llegan a la Tierra desde diferentes fuentes, con velocidad cercana a la de la luz y energía muy alta. Cuando los rayos cósmicos llegan a la tierra, la interacción con las partículas presentes en el aire ocasiona que se dividan en miles de partículas (cascadas) cayendo hacia la tierra. Una vez son detectadas las mediciones de estas partículas secundarias se busca aproximar la energía de la partícula inicial. En este trabajo de tesis se realiza el diseño de un clasificador de rayos cósmicos, con el cual se busca realizar un agrupamiento de datos de rayos cósmicos obtenidos de un simulador, de acuerdo a su nivel de energía. Para realizar la agrupación se propusieron dos conjuntos de clases, el primero con 5 clases y el segundo con 10 clases, para tener mayor aproximación a la energía inicial. Se trabajó con datos obtenidos del software de simulación AIRES (AIR-shower Extended Simulations), simulando partículas Gamma con energías desde 1016 eV hasta 1025.5 eV y se obtuvo como resultado, su medición final en los detectores de tierra, como es en los observatorios de rayos cósmicos (por ejemplo, el observatorio HAWC – the High Altitude Water Cherenkov Observatory). Para comparar los resultados de la clasificación final con otros métodos, se propusieron dos arquitecturas de redes neuronales (Perceptrón Multicapa y Redes Neuronales Convolucionales). Con los resultados obtenidos se logró comprobar la hipótesis de la tesis, para el conjunto de 5 clases, así como proponer una alternativa para aproximar el nivel de energía de los rayos cósmicos detectados. ABSTRACT: In high energy physics the interaction between high energy particles is studied and also their relationship, this kind of studies are important because information related to early stages of the universe can be obtained. One way to examine these particles is by studying cosmic rays, which arrive to Earth from different sources with speed closed to light speed and high energy. When cosmic rays arrive to Earth, the interaction with particles that are in air, produces a division of thousands of particles (cascades) falling to Earth. Once the measures of secondary particles are detected, they are used to approach the initial particle energy At this thesis work, a classifier design was implemented and with which data obtained from a simulator program were clustered according their energy level. To make the separation into groups, two sets of classes were proposed, the first one with 5 classes and the second one with 10 classes, in order to make a better approximation to initial energy. The software used to obtain data, was AIRES (AIR-shower Extended Simulations), in this software, particles Gamma were simulated, with energies from 1016 eV to 1020.5 eV, and as a result their final measurements on surface detectors as it is done in cosmic ray’s observatories (for example, the HAWC Observatory – the High Altitude Water Cherenkov Observatory). In order to compare the final classification with another method, two architectures of neural networks were proposed (Multi-Layer Perceptron and Convolutional Neural Networks). With the results obtained, it was possible to prove the hypothesis of this thesis, for 5 classes set, likewise to propose a new alternative to approximate the detected cosmic rays’ initial energy. es
dc.language.iso es es
dc.subject Inteligencia artificial es
dc.subject Redes neuronales es
dc.title Clasificación de rayos cósmicos primarios es
dc.contributor.advisor Luna García, René
dc.contributor.advisor Godoy Calderón, Salvador


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account