Track reconstruction at the NA62 experiment

Abstract

The NA62 experiment at CERN represents leading physics research of rare kaon de- cays. The aim of NA62 is to measure the rate of the decay K+ → π+ νν. Any significant discrepancy between the measured decay rate and the Standard Model (SM) prediction would be interpreted as a discovery of physics beyond the SM. The Straw spectrometer is a detector at NA62 which reconstructs the tracks of charged particles. The main goal of this thesis was to understand and describe in detail the track reconstruction algorithm with an ultimate goal to improve it in the future. The current track reconstruction ef- ficiency is above 98% but it decreases with rising beam intensity. In the second part of the thesis, a neural network was implemented to improve the pattern recognition of one-track events. The performance of this neural network is comparable to the perfor- mance of the current algorithm. Therefore, we show that neural networks can be used for track reconstruction in principle and possibly to improve even other parts of the current algorithm. 1

Experiment NA62 je svetovým lídrom vo výskume vzácnych rozpadov kaónov. Hlav- ným cieľom tohto experimentu je zmerať početnosť rozpadu K+ → π+ νν. Akákoľvek výraznejšia odchýlka medzi nameranou početnosťou tohto rozpadu a početnosťou urče- nou štandardným modelom by znamenala objav fyziky za hranicami štandardného mo- delu. Straw spektrometer je detektor v NA62, ktorý rekonštruuje dráhy nabitých častíc. Hlavným cieľom tejto práce bolo porozumieť a podrobne opísať algoritmus na rekonštruk- ciu dráh nabitých častíc s konečným cieľom ho vylepšiť v budúcnosti. Súčasná efek- tivita rekonštruk-čného algoritmu dosahuje hodnotu nad 98%. V druhej časti práce bola na rozpoznávanie dráh v jednočasticových udalostiach použitá neurónová sieť. Pres- nosť výsledkov tejto neurónovej siete je porovnateľná s presnosťou súčasného algoritmu. Ukázali sme teda, že neurónové siete môžu byť v princípe použité na rekonštrukciu dráh nabitých častíc a prípadne aj na zefektívnenie iných častí súčasného algoritmu. 1