Estudio de la composición química de rayos cósmicos con E ≥ 0.3 EeV usando datos híbridos del Observatorio Pierre Auger registrados con AMIGA y AERA
2021
Tesista | Christian Andrés SARMIENTO CANO |
Directores | Dr. Diego Melo. ITEDA , CONICET - Argentina |
Co-Director | Dr. Diego Ravignani. CNEA, CONICET, UNSAM - Argentina |
Lugar de realización | CAC – Comisión Nacional de Energía Atómica - Argentina |
Fecha Defensa | 29/03/2021 |
Jurado | Daniel SUPANITSKY. UTN, CONICET - Argentina |
Código | ITS/TD-147/21 |
Título completo
Estudio de la composición química de rayos cósmicos con E ≥ 0.3 EeV usando datos híbridos del Observatorio Pierre Auger registrados con AMIGA y AERA
Resumen
La física de los rayos cósmicos es un campo de estudio en desarrollo. El conocimiento de la masa de la partícula primaria permite determinar límites a sus fuentes astrofísicas y sus respectivos mecanismos de aceleración. En este contexto, el presente estudio tuvo como objetivo encontrar estimadores de la composición química de los rayos cósmicos usando los detectores de AMIGA y AERA del Observatorio Pierre Auger. Con este propósito, se usó una librería de 10604 simulaciones, 5302 de hierro y 5302 de protón, cuyos parámetros de entrada fueron tomados de eventos híbridos reales registrados por el detector de superficie y los telescopios de fluorescencia del Observatorio Auger. Para estimar la respuesta del detector y reconstruir los parámetros de la lluvia se utilizó el programa de análisis del Observatorio denominado OffLine. Se aplicaron cortes de selección sobre las reconstrucciones de los parámetros de la lluvia y así obtener los eventos más representativos de la muestra.
En cuanto a los estimadores sensibles a la masa del rayo cósmico, se tomó como base la densidad muónica, obtenida de AMIGA y se combinó con variables de la componente electromagnética de AERA. Se estudió la asimetría de la LDF de radio como estimador de composición. Posteriormente, se analizó la influencia del Xmax-RD y la energía radiada, Srad en los estimadores de la masa y, por último, se utilizaron algoritmos de aprendizaje automático para potenciar el poder de separación entre núcleos livianos y pesados.
Se encontró que los parámetros de la lluvia densidad muónica, Xmax-RD y Srad actuando conjuntamente son estimadores de la composición química de los rayos cósmicos. En primera instancia mediante su combinación simple con la cual se estimó que cuando eV el factor de mérito alcanza un valor de aproximadamente de 2, suficiente para discriminar entre primarios de Fe y P. Y luego utilizando los algoritmos de aprendizaje automático Regresión Logística y Support Vector Machines se estableció que es posible predecir con hasta 90% de eficacia si la lluvia fue iniciada por un primario de Fe o de P.
Complete Title
Chemical composition studies of cosmic rays with E ≥ 0.3 EeV using hybrid data from the Pierre Auger Observatory collected with AMIGA and AERA
Abstract
Cosmic ray physics is a field of study in constant development. Knowledge of the mass of the primary particle allows us to determine limits to its astrophysical sources and their respective acceleration mechanisms. In this context, the present study aimed to find estimators of the chemical composition of cosmic rays using AMIGA and AERA detectors of the Pierre Auger Observatory. For this purpose, a library of 10604 simulations, 5302 iron and 5302 proton, was used, with input parameters taken from real hybrid events recorded by the surface detector and the fluorescence telescopes of the Auger Observatory. To estimate the detector response and to reconstruct the shower parameters, we used the Observatory's analysis program (OffLine). Selection cuts were applied to the reconstructions on the shower parameters to obtain the most representative events of the sample.
As for the cosmic ray mass-sensitive estimators, the muon density, obtained from AMIGA was taken as a basis and combined with variables from the electromagnetic component of AERA. The asymmetry of the radio LDF was studied as a composition estimator. Furthermore, the influence on the estimators of RD-Xmax and the radiated energy S$_{rad}$ was analyzed. Finally, machine learning algorithms were used to enhance the separation power between light and heavy nuclei.
It was found that the shower parameters muon density, RD-Xmax and Srad working together are estimators of the chemical composition of cosmic rays. In a first instance, with a their simple combination it was estimated that when eV the merit factor reaches a value of around 2, enough to discriminate between primaries. Using machine learning algorithms, Logistic Regression, and Support Vector Machines, it was established that it is possible to predict with up to 90\% accuracy whether an individual shower was started by P or Fe primary.
volver al listado