Ottimizzazione End-to-End di calorimetri a campionamento

I calorimetri adronici sfruttano le interazioni nucleari di particelle composte di quark per misurarne l'energia cinetica. Nonostante notevoli sviluppi nelle tecnologie di rivelazione dei segnali, nel corso degli ultimi 60 anni il design di questi strumenti non ha subito grandi modifiche; in particolare, i calorimetri di grandi esperimenti ai collider si sono focalizzati sulla precisione nella misura dell'energia totale depositata da getti di particelle. Una ottimizzazione di questi apparati è oggi possibile con l'uso di tecniche avanzate di machine learning. In questa tesi si è caratterizzato un algoritmo basato su un diffusion model, che mira a determinare il layout più vantaggioso di un calorimetro a campionamento, soggetto a vincoli sul costo dei materiali. L'algoritmo potrà essere usato in futuro per informare la scelta di design innovativi che sorpassino i paradigmi costruttivi finora esistenti.