Ricostruzione di collisioni protone-protone con CMS con calcolo neuromorfico

L'esperimento CMS al Large Hadron Collider ricostruisce con algoritmi di pattern recognition basato su calcolo convenzionale le tracce di migliaia di particelle cariche che attraversano i suoi rilevatori ogni 25 ns. La ricostruzione e identificazione delle traiettorie delle particelle cariche è un problema particolarmente complesso dal punto di vista computazionale, a causa della grande quantità di dati che devono essere elaborati e dall'elevato numero di combinazioni. Il problema diventerà ancora più difficile da gestire nella fase HL-LHC, in cui è previsto un aumento delle collisioni di circa un fattore tre rispetto alle attuali condizioni sperimentali. In questo lavoro si considererà un modello di calcolo neuromorfico basato su spiking neural networks (SNN) per complementare la pattern recognition di CMS e identificare tipologie di segnali non normalmente identificati dagli attuali algoritmi in uso. L'efficacia dell'apprendimento non supervisionato delle SNN verrà quantificata in eventi generati tramite simulazioni Monte Carlo.