Sei sulla pagina 1di 21

UNIVERSITA’ DEGLI STUDI DI PADOVA

FACOLTA’ DI SCIENZE MATEMATICHE, FISICHE E NATURALI

Corso di Laurea in Fisica

Ottimizzazione della Risoluzione di Camere a


Deriva
per la Radiografia Muonica

R e la t o r e : L au rean d o :
P r o f. G ia n n i Z u m e r le B o r tig n o n P ie r lu ig i
5 2 5 5 6 6 -S F
C o r r e la t r ic e :
D o tt.s s a S ilv ia P e s e n te

A n n o A c c a d e m ic o 2 0 0 6 -2 0 0 7
T e rz o P e rio d o
Indice

0 Introduzione 1
0.1 La fisica della Radiografia Muonica 1

1 Apparato Sperimentale 2
1.1 Camere a muoni 2
1.2 Processo di funzionamento di tubi a deriva 3
1.3 Problemi legati alla non uniformità del campo di deriva 4

2 Determinazione e Correzione degli Errori 5


2.1 Algoritmo per l’analisi degli errori 5
2.1.1 Verifica allineamento layer 6
2.2 Algoritmo per la correzione degli errori 10

3 Verifiche Correzioni 13
3.1 Valor medio dei residui 13
3.2 Scatole dei tempi 14

Conclusioni 18

Bibliografia 19

Abstract

Come tesi per la laurea triennale si è scelto di lavorare sull’analisi dei dati ottenuti dal
passaggio di muoni cosmici in camere a deriva per la radiografia muonica con l’obbiettivo di
migliorarne la risoluzione spaziale e come diretta conseguenza la risoluzione delle tracce del
passaggio dei muoni. L’errore che si è cercato di correggere è dovuto alla non uniformità del
campo elettrico interno alle celle di deriva e del conseguente errore sulla determinazione del
punto di passaggio della particella carica in condizioni di campo magnetico nullo. Si è cercato
di mettere a punto un algoritmo che permetta di individuare e correggere tali errori dall’analisi
dei dati reali. Per verificarne l’effettivo miglioramento vengono poi confrontati risultati ottenuti
da dati originali e dati corretti.
Questo lavoro è utile all’interno della radiografia muonica per ottenere, utilizzando altri
algoritmi, una misura più precisa del momento dei muoni cosmici necessario per determinare
con una precisione maggiore l’angolo di scattering delle particelle. Ciò porterebbe alla
diminuzione del tempo d’acquisizione dati.

1
Introduzione
Dal 1910, grazie al lavoro del fisico austriaco Victor Franz Hess (per il quale vinse il Nobel per la
fisica nel 1936) , è noto che la terra è perennemente esposta ad una radiazione naturale proveniente
dal cosmo detta radiazione cosmica o raggi cosmici. Tale radiazione è stata molto importante per lo
sviluppo della fisica delle particelle all’inizio del secolo scorso, in quanto, dallo studio di questa, è
stato possibile scoprire particelle come il positrone, l’antiparticella dell’elettrone, e il muone,
particella con la stessa carica dell’elettrone ma di massa circa 200 volte maggiore.
All’esterno dell’atmosfera terrestre i raggi cosmici sono principalmente protoni d’alta energia. Questi
interagendo con gli atomi dell’atmosfera producono delle cascate di particelle detti sciami. Questi
ultimi, al livello del suolo, si possono differenziare in una componente molle ( ~ 30 % ), composta da
fotoni, elettroni ed in minima parte da protoni, facilmente schermabile con pochi centimetri di
materia, ed in una componente dura ( ~ 70 % ), composta da muoni, che interagiscono con la materia
tramite scattering Coulombiano multiplo, ad alto potere penetrante [4]. La componente dura è stata
utilizzata nel passato in varie occasioni, analizzando la variazione del suo flusso, per ottenere
informazioni sulla materia attraversata [7].
Un metodo innovativo per ottenere informazioni sulla materia attraversata dai raggi cosmici
proposto da Schultz, Borozdin et al.[1] consiste nell’analisi dell’angolo di scattering dei muoni. Ciò
permette di rivelare la presenza di materiali pesanti come ferro, piombo e uranio. Un possibile
utilizzo di questo metodo è quello di produrre radiografie di container alle dogane per impedire il
contrabbando di materiali pesanti, ad esempio uranio, e di controllare in questo modo traffici
potenzialmente pericolosi. Si è pensato di utilizzare le camere a deriva costruite per CMS ( LHC ,
CERN ) per verificare la fattibilità [2] del metodo proposto da Schultz, Borozdin et al., con l’obbiettivo
di ottenere delle radiografie di materiali pesanti.

0.1 La fisica della Radiografia Muonica

I muoni interagiscono con la materia subendo scattering coulombiano multiplo. La


distribuzione statistica degli angoli di deflessione in un piano verticale, in altre parole la
differenza tra l’angolo d’entrata e quello d’uscita del muone dal materiale, è di tipo
gaussiano. Tale curva è centrata in 0 ed ha una dispersione tanto maggiore quanto
maggiore è il numero atomico del materiale attraversato. Supponendo di far attraversare ad

un muone di momento p un materiale di spessore X , e lunghezza di radiazione X 0 , si
ottiene la distribuzione quasi gaussiana con deviazione standard data dalla seguente
espressione:
13.6MeV  z X   X  13.6MeV X
0     a  0.038  ln     
  c  p( MeV / c ) X 0   X0     c  p ( MeV / c ) X 0
dove la lunghezza di radiazione è legata al numero atomico dall’espressione:
1 N
 4 Z ( Z  1)  re2  ln(183  Z 1/ 3 )
X0 A
Analizzando la direzione di un campione di muoni, prima e dopo uno spessore di materiale
incognito, si può determinare l’angolo medio d’entrata e d’uscita, e quindi la deviazione che
ha subito all’interno del materiale. Da questi dati è possibile ottenere un istogramma che
permette di risalire, attraverso il calcolo della deviazione standard della distribuzione, alle
proprietà dello spessore attraversato. Come si può vedere dall’espressione della deviazione
standard, ai nostri fini sarebbe necessaria la conoscenza precisa del momento d’ogni
muone. Nell’esperimento descritto si utilizzano, per ora, le distribuzioni di momento dei
1 1
muoni della letteratura [8] dalle quali è possibile ottenere , 2 , poiché non sono stati
p p
installati strumenti che riescano a determinare questa grandezza. E’ comunque in fase
d’elaborazione un algoritmo in grado, dai dati noti, di ottenere informazioni sul momento,
perlomeno per la componente di momento più basso ( sotto il GeV/c ).

2
Capitolo 1
Apparato sperimentale
1.1 Camere a muoni

L’apparato utilizzato per la rivelazione dei muoni consiste in una serie di camere a muoni
del tipo MB3, costruite per l’esperimento CMS in LHC (CERN) presso i Laboratori di
Legnaro dell’INFN. La struttura definitiva dell’esperimento consiste in 4 camere a muoni,
affiancate due a due, e poste ad una distanza verticale di 3 m, per poter scansionare un
3
volume di circa 50 m , pari a metà di un container comune. Tali camere a muoni sono
costituite da 3 unità indipendenti detti Superlayer (SL) sorretti da una struttura a nido
d’ape[Fig.1]. Quattro strati di tubi a deriva (DT) detti Layer costituiscono la struttura di un
SL.

Figura 1. Sezione di una camera MB.

Ogni layer è costituito da una serie di celle rettangolari parallele lunghe 237.9 cm, al centro
delle quali è posto un filo anodico alla tensione di +3.7 kV [Fig.2]. Le celle contengono una
miscela di Ar  85%   CO2 15%  tenuta ad una pressione poco superiore a quella
atmosferica ( p = 1020 mbar ). La miscela viene ricambiata con un flusso di 2 l/min ovvero,
tenendo conto dell’effettivo volume, un completo ricambio si ha ogni tre giorni. Sulle pareti
laterali delle celle sono presenti delle strisce catodiche tenute alla tensione di
–1.2 kV, mentre, poste orizzontalmente sotto e sopra al filo anodico, vi sono delle strisce a
tensione positiva +1.8 kV minore di quella del filo [Fig.2]. Si genera così un campo elettrico
responsabile della deriva dei prodotti di ionizzazione del muone di passaggio all’interno
della cella. La geometria degli elettrodi ha come scopo quello di produrre un campo più
uniforme possibile. Nella realtà presenta una forma complessa rappresentata di seguito,
elaborata dal programma GARFIELD [10]:

3
Figura 2. Cella di deriva.
Le dimensioni di ciascuna cella sono, nel piano ortogonale al filo, 42mm  13mm . I quattro
layer sono montati uno sopra l’altro in modo che i fili siano paralleli tra loro e che le celle di
due layer contigui siano sfasate di esattamente metà cella ( 21 mm ). I tre superlayer
vengono invece montati ortogonalmente uno all’altro, lasciando tra il secondo e il terzo la
struttura di sostegno a nido d’ape [Fig.1]. Il primo, il secondo e il terzo superlayer vengono
chiamati rispettivamente SL2 , SL , SL1 . SL2 e SL1 contengono ciascuno 286 celle,
mentre SL contiene 227 celle. Le varie celle sono separate, e quindi schermate, da una
struttura d’alluminio in modo che i segnali di ciascuna siano indipendenti. Ad ogni cella è
associato un canale dell’apparato d’elaborazione elettronica.

1.2 Processo di funzionamento dei tubi a deriva

Il passaggio di una particella carica, nel nostro caso di un muone, all’interno di una singola
cella, genera una serie di ionizzazioni del gas detto prima, e quindi avvia la produzione di
svariate coppie di ionizzazione elettrone - ione. Questi, pur avendo la tendenza naturale a
ricombinare, grazie al campo elettrico, dovuto alla serie di elettrodi, cominciano a seguire le
linee di campo ( non sono presenti campi magnetici ) [5]. Gli elettroni di ionizzazione, dato
che il campo è uniforme, si muovono verso il filo anodico lungo qualsiasi linea di deriva con
velocità pressoché costante valutata 55 µm/ns, mentre gli ioni migrano verso i lati della
cella con velocità molto minore. Quando arrivano in prossimità del filo, dove il campo
elettrico è molto elevato, avviene un processo di moltiplicazione delle cariche, che genera un
segnale elettrico che viene registrato dall’elettronica. Dunque, dalla conoscenza del tempo
di deriva e della velocità di deriva, è possibile calcolare la distanza dal filo nell’asse
orizzontale del piano ortogonale ai fili del passaggio del muone. Le camere utilizzate per
quest’esperimento sono state progettate però per LHC, e dunque sono state ottimizzate per
le caratteristiche di quest’ultimo. Ad esempio sono state costruite tenendo presente che in
LHC la frequenza dei pacchetti, e quindi del passaggio dei muoni, è di 40 MHz. Differente è
il caso dei muoni cosmici, i quali sono distribuiti uniformemente nel tempo. Ciò rende
necessario utilizzare un sistema d’autotriggeraggio per determinare l’istante di passaggio
d’ogni muone. Dalla misurazione del tempo dallo start, inviato dal trigger, allo stop, dato
dal filo anodico, si può risalire alla distanza alla quale il muone è passato dal filo che ha
dato segnale ( dist  t misurato  v deriva ).
Gli impulsi raccolti dai fili sono elaborati dall’elettronica di “front-end”(FE) composta di un
veloce preamplificatore, seguito da uno “shaper”, e da un selezionatore. Dal front-end il
segnale è trasmesso all’elettronica contenuta in una struttura d’alluminio attaccata alla
camera chiamata MiniCrate; questo contiene il trigger per i tubi a deriva (Trigger Boards –
TBR ) e gli altri supporti per la lettura dell’elettronica ( Read-Out Boards – ROBs ).
Un problema di questo tipo di camere è che non vi è alcun modo deterministico per
distinguere se il muone è passato a destra o a sinistra del filo, vi è in altre parole
un’ambiguità destra sinistra per ogni segnale [Fig.4]. Il muone attraversa però per ciascuna
camera 12 layer: otto in vista  e quattro in vista . Limitando le nostre considerazioni alla
vista , qui e per tutto ciò che segue, è chiaro che gli otto segnali delle otto celle devono
formare una retta. E’ utilizzato qui un algoritmo chiamato ORCA [9] ( tratto dal software

4
ufficiale di ricostruzione del CMS ), che si occupa della pattern-recognition, cioè la prima
parte della ricostruzione delle tracce. Il software calcola tutti i possibili fit generati con le
combinazioni di destra e sinistra sia in un superlayer indipendentemente dagli altri, sia
combinando i due superlayer ; a questo punto analizza tra essi qual è quello con il minor
 2 . Salva questo come fit corretto e risolve in questo modo l’ambiguità destra sinistra. Si è
giunti così, almeno per la vista , alla determinazione della traccia del muone.

Figura 3. Vista Φ. Passaggio di un muone. Ambiguità destra sinistra.

1.3 Problemi dovuti alla non uniformità del campo di deriva

Consideriamo nuovamente una singola cella e il passaggio di un muone ad un angolo 


rispetto la verticale. Nel caso in cui il passaggio è pressoché verticale i primi elettroni ad
arrivare sul filo sono quelli alla stessa altezza del filo, poiché sono i più vicini. In tal caso il
segnale che ORCA analizza è corretto ( a meno dell’ambiguità destra sinistra ), poiché
associa esattamente la coordinata verticale del filo al segnale del passaggio. Si può pensare
che crei un punto nel piano xy che ha come ordinata l’ordinata del filo, e come ascissa
l’ascissa del filo sommata alla distanza calcolata dalla differenza dei tempi start-stop. Nel
caso invece in cui il passaggio è ad un angolo  non piccolo, i primi elettroni che arrivano al
filo non sono quelli alla medesima altezza del filo ma quelli che si generano nel punto di
contatto tra la traiettoria del muone e l’isocrona tangente [Fig.5]. ORCA non è in grado di
tener conto di questo fatto, e all’intervallo di tempo associa una distanza sempre minore di
quella reale. Tanto maggiore è l’angolo, tanto più rilevante è quest’effetto. Inoltre il campo
elettrico non è uniforme nemmeno lungo la camera, cosicché anche al variare dell’ascissa di
passaggio del muone cambia l’effetto descritto.

Figura 4. Linee di campo del campo elettrico ed errore dovuto alla sua non
omogeneità spaziale.

La correzione globale, indipendente dalla distanza dal filo, degli effetti descritti, è stata già
studiata ed utilizzata [2]. Questa tesi lavora su dati già corretti, ed il suo obiettivo è quello
di raffinare la correzione cercando di individuare l’andamento dell’errore in funzione della
posizione della cella, in altre parole una funzione Δ(x) da applicare ai dati per ottenere il
miglioramento della risoluzione spaziale di tali camere.

5
Capitolo 2

Determinazione e Correzione degli Errori


2.1 Algoritmo per l’analisi degli errori derivanti dalla non uniformità
del campo elettrico.

Per analizzare gli errori derivanti dalla non uniformità del campo elettrico, si procede
considerando unicamente gli eventi che forniscono otto segnali, quindi gli eventi per i quali
il passaggio del muone ha lasciato otto punti con i quali determinare la traccia del suo
passaggio. Si assegnano ascissa e ordinata agli otto punti in un piano xy con asse x
verticale e asse y orizzontale. S’ipotizza che le ascisse x verticali siano prive d’errori poiché
sono dati di costruzione ( le misure qui riportate hanno come zero un punto all’interno della
struttura a nido d’ape della camera ):

Altezza associata ai fili


Layer
del Layer [cm]
Layer 0 10.9081
Layer 1 9.6081
Layer 2 8.3081
Layer 3 7.0081
Struttura a nido d’ape
Layer 4 -12.85
Layer 5 -14.15
Layer 6 -15.45
Layer 7 -16.75

Si calcola quindi nuovamente il fit escludendo un punto alla volta ( Layer 0,1,2,3,4,5,6,7 ),
ottenendo così per ogni evento 8 fit diversi. Il fit originale si determinava dalle formule dei
minimi quadrati[6]:
1
a

   
i xi2  i yi  i xi  i xi yi  
1
   
b   8  i xi y i  i xi  i y i

 
  8   x   x 
2 2
i i i i
dove le sommatorie vanno da 0 a 7; il fit nuovo si ottiene utilizzando sempre le formule dei
minimi quadrati, ma con le sommatorie che escludono il punto j, con j = 0,1,2,3,4,5,6,7 :
1  2
      
a   x i     y i     x i     y i x i  
  i  j   i  j   i  j   i  j  
1       
b  7    y i x i     x i     y i  
   i  j   i  j   i  j  
2
2

  7   x    x i 
i
i j  i j 
Ora si può calcolare il residuo che vi è tra la traccia generata senza il punto j-esimo dal
punto stesso lungo l’asse y:

res j   a  bx j   y j

6
Creando un algoritmo che faccia questo per tutti gli eventi di una run ( la run utilizzata per
questo lavoro è ‘radmu3834’ ) è possibile creare un grafico 3D che ha nei suoi tre assi
l’angolo della traccia originale, la distanza della traccia originale dal filo, e il residuo. Visto
che siamo in presenza di un errore sistematico, questo si dovrebbe evidenziare in modo
statistico, dato che gli errori di tipo casuale mediano a zero. Selezionando tracce per un
certo angolo, ( intervalli di 5 gradi ) e per una certa distanza dal filo, si ottiene un
istogramma semplice dei residui di forma normale. Fittando questo istogramma, con
un’opportuna gaussiana, si ottiene il valore stimato dell’errore sistematico per l’angolo e la
distanza scelta.

Figura 5. Istogramma dei residui generico.

2.1.1 Verifica allineamento layer

Grazie a questo tipo d’istogrammi è possibile ottenere delle informazioni aggiuntive sulla
struttura delle camere: non essendoci alcuna ragione per cui i residui varino al cambiare
del layer analizzato, generando otto diversi istogrammi con dati provenienti da otto layer
diversi, si dovrebbero trovare gli stessi valori medi. Per far ciò è necessario utilizzare tracce
verticali, ( angolo compreso tra 0 e 1 grado) perché sono soggette ad un minor errore
sistematico, e che non siano né troppo vicine al filo, né alla struttura metallica, per avere
così un campione di dati con errore minimo. Si sono scelte tracce con angolo compreso tra
0 e 1 grado, che distino almeno 5 mm dal filo e 6 mm dalla struttura metallica della cella.

Figura 6a. Istogrammi generati con i dati provenienti dai primi quattro layer considerati
separatamente

7
Figura 6b. Istogrammi generati con i dati provenienti dagli ultimi quattro layer considerati
separatamente.

Plottando i vari centroidi delle gaussiane, con cui si sono fittati gli istogrammi, si ottiene il
seguente grafico, dove le barre d’errore si riferiscono all’errore sul valore di picco delle
gaussiane:

Allineamento Layer

0,8

0,6

0,4

0,2

0
0 1 2 3 4 5 6 7 8

-0,2

-0,4

-0,6

-0,8

La y e r

Figura 4. Valori medi degli istogrammi.


E’ possibile concludere che l’allineamento dei vari layer all’interno di un Superlayer è molto
buono. Qui sotto si riporta la tabella con i valori delle gaussiane:

Superlayer Φ1 Superlayer Φ2
Errore Errore
Layer Entry Mean [ns] sulla Layer Entry Mean [ns] sulla
media [ns] media [ns]
0 1966 0,45 0,09 4 1863 -0,53 0,08
1 1968 0,30 0,08 5 1889 -0,22 0,08
2 1975 0,35 0,08 6 1922 -0,29 0,08
3 1946 0,35 0,09 7 1870 -0,4 0,1
Media 1963,75 0,36 0,04 Media 1886 -0,37 0,04

8
Differenza tra le medie dei due SL Differenza tra le medie
[ns] [mm]
0,73 0,04

Per quanto riguarda l’allineamento dei due Superlayer possiamo concludere che le due
medie differiscono di una quantità molto minore rispetto agli errori che la tesi si propone di
correggere, dunque si è deciso di trascurare questa imperfezione.
Si scrive quindi una routine che costruisca istogrammi per tutti gli intervalli angolari tra 0
e 60 gradi, ogni 5, ( il limite sull’angolo è dovuto all’accettanza delle camere. Oltre questa
inclinazione le tracce passerebbero solamente per una camera e sarebbero dunque inutili )
e per tutti gli intervalli di distanza ( di 5 ns ) dal filo, che calcoli automaticamente il valore
d’aspettazione di ognuno; da ciò si ottiene un istogramma bidimensionale [Fig.8] che
rispecchia una certa regolarità dei residui in funzione della distanza dal filo.

Figura 5. Istogramma generico dei residui in funzione della distanza


della traccia dal filo ottenuto mettendo assieme i dati degli otto layer per tracce comprese tra
0 e 5 gradi.

Figura 6. Istogramma generico dei residui in funzione della distanza


della traccia dal filo ottenuto mettendo assieme i dati degli otto layer
per tracce comprese tra 30 e 35 gradi.

9
In figura 6 e 7 sono riportati tutti i residui in funzione della distanza dal filo ( espressa in
tempo, qui e in seguito, in quanto si ipotizza che la velocità di deriva sia costante ) per
alcuni intervalli angolari. Si può notare che all’aumentare della distanza dal filo la figura
del residuo aumenta il suo spessore. Questo è un effetto tipico delle camere a deriva.
Calcolando il valor medio per gli intervalli spaziali detti prima, si ricavano gli istogrammi
riportati in figura 8. Analizzando questi, per svariati angoli crescenti, è possibile notare una
conferma delle nostre ipotesi: per angoli vicini a zero [Fig.8], quindi per tracce quasi
verticali, il valor medio dei residui è costantemente nullo, come ci si aspettava, mentre per
angoli maggiori [Fig.8] il valor medio dei residui varia significativamente al variare della
distanza dal filo. Questi dati possono essere confrontati con un lavoro simile fatto da J.
Puerta-Pelayo,M.C. Fouz, P. Garcia-Abia “Parameterisation of the Response of the muon
Barrel Drift Tubes” nel quale, utilizzando dati simulati, hanno ricavato le seguenti
correzioni dalla simulazione della cella prodotta da GARFIELD ( anche se non hanno
verificato che le correzioni portassero ad una riduzione degli errori ) [3]. Di seguito si
vedono i residui da loro ottenuti in funzione della distanza della traccia dal filo per alcuni
angoli significativi.

Figura 7. Residui in funzione della distanza della traccia dal filo


in assenza di campo magnetico

10
Figura 8. Valor medio dei residui da dati reali, in funzione della distanza della traccia dal
filo, per significativi intervalli angolari.
Gli istogrammi si somigliano molto, dunque è possibile ritenere questo come un’indicazione
sul fatto che si è sulla buona strada, in attesa di vedere i risultati del lavoro, vale a dire il
miglioramento effettivo della risoluzione.

2.2 Algoritmo per la correzione degli errori

L’obbiettivo è di ottenere un metodo per correggere i dati in modo da eliminare gli errori
trovati. Per ora si è trovata la funzione di correzione   xvero  , dove xvero è la distanza della
traccia dal filo; se volessimo con questa ottenere il punto reale privo dell’errore sistematico
dovremmo calcolare xvero  xmis    xvero  . Questo richiederebbe calcoli ricorsivi. Un metodo

più semplice per ottenere il punto corretto è quello di trovare la funzione   xmis  in modo
che sia possibile calcolare il punto privo dell’errore sistematico come xvero  xmis    xmis  ,
evitando così procedimenti di calcolo complessi. Per ottenere   xmis  è necessario costruire
degli istogrammi che mettano in relazione il valor medio dei residui con il tempo misurato, e
non con quello calcolato a partire dal fit della traccia. I nuovi istogrammi che si
ottengono sono quindi leggermente diversi:

11
Da dati originali Da dati corretti

Figura 9. Residui ottenuti da dati reali in funzione del tempo misurato dall’apparato
sperimentale e dell’angolo della traccia.

Da dati originali Da dati corretti

Figura 10. Residui ottenuti da dati reali in funzione del tempo misurato dall’apparato
sperimentale e dell’angolo della traccia.

12
E’ possibile notare che, a differenza degli istogrammi in funzione della distanza della
traccia, questi hanno un andamento decrescente nell’avvicinarsi al tempo zero, in altre
parole per punti molto vicini al filo. Per il resto invece i due istogrammi si somigliano molto.
Con questi è possibile attribuire una correzione ad ogni dato originale. Dopo aver creato un
algoritmo che corregge tutti i dati con il metodo descritto, è possibile analizzare i dati
corretti per vedere se effettivamente gli errori dovuti alla non uniformità del campo elettrico
siano stati eliminati, o quantomeno ridotti. Riproponendo l’algoritmo che calcola gli errori
con i dati corretti si ottengono gli istogrammi della colonna di destra nella figura sopra, da
confrontare con quelli ottenuti dai dati originali, della colonna di sinistra. E’ evidente che la
correzione imposta ai dati originali ha generato dei dati con un errore sistematico molto
minore: se gli istogrammi originali hanno residui compresi tra 15ns e –10ns, gli istogrammi
corretti sono contenuti tra 2ns e –2ns.

13
Capitolo 3

Verifiche Correzioni
3.1 Valor medio dei residui

Per verificare che il procedimento seguito sia corretto, può essere utile confrontare dei
risultati ottenuti da dati originali con gli stessi ottenuti dopo le correzioni sopra descritte.
Una possibile conferma del miglioramento dei dati è l’analisi di una quantità

rappresentante il valor medio dei residui. Si sceglie la quantità  i


res i2  che
 j
7

rappresenta la stima dell’errore di misura; se questo viene calcolato per tracce con diversi
angoli d’arrivo non dovrebbe subire variazioni, infatti, non vi è alcun motivo per ritenere
che ad angoli diversi il residuo medio sia diverso. In realtà però i problemi descritti all’inizio
di questa tesi portano ad un aumento del residuo medio all’aumentare dell’angolo delle
tracce. Le correzioni introdotte dovrebbero quindi portare ad un livellamento complessivo.
In arancione sono rappresentati i valori medi dei residui ottenute dai dati originali, mentre
in blu, sempre i residui medi, ottenuti però dopo le correzioni:

Valor medio dei residui

0,7

0,6
Valor medio dei residui [mm]

0,5

0,4

0,3

0,2

0,1

0
0 5 10 15 20 25 30 35 40 45 50 55
|Angolo| [Gradi]

Dati Corretti Dati Originali

Figura 11. Valor medio dei residui in funzione del modulo dell’angolo delle tracce.

L’istogramma presenta un miglioramento dei residui proporzionalmente al modulo


dell’angolo. Non è possibile però dire che ne sia stata eliminata la dipendenza. Causa di ciò
può essere un incompleto lavoro di correzione sui dati, o il fatto che ad angoli maggiori i
muoni attraversano uno spessore maggiore del materiale della struttura delle camere,
facendo aumentare così l’importanza dello scattering multiplo. E’ possibile visualizzare
graficamente in modo più chiaro le correzioni effettuate dal lavoro di questa tesi: si può
ritenere che l’errore al quale erano soggette le misure originali sia la somma in quadratura
dell’errore sistematico che si è riusciti ad eliminare, dovuto alla non uniformità del campo
elettrico, e di un errore che dovrebbe essere statistico e casuale, che permane anche dopo
2 2
la correzione. I punti arancione nel grafico precedente sono  tot   corr   stat . Creando un

14
2 2
istogramma con  corr   tot   stat si ha una stima quantitativa diretta del lavoro di
correzione:

Errore Corretto

0,4

0,35

0,3
Errore corretto [mm]

0,25

0,2

0,15

0,1

0,05

0
0 5 10 15 20 25 30 35 40 45 50 55
|Angolo| [Gradi]

Figura 12. Errore corretto in funzione del modulo dell’angolo per intervalli di 5 gradi.
Ogni punto del grafico si riferisce a tracce comprese in intervalli di 5 gradi. Si è dunque
riusciti, grazie a questo lavoro, ad apportare una correzione che va da circa 100 µm, per
tracce ad angoli piccoli, fino a 300 µm, per tracce con angoli vicini al limite dell’apparato.
Unico punto fuori tendenza è quello delle tracce verticali, tra 0 e 5 gradi. Una possibile
spiegazione è che, per tracce quasi verticali, l'unica correzione significativa è vicino al filo,
ed anche in questa zona, larga circa 1 mm, la correzione è minore di 200 µm. In altre
parole si correggono per meno di 200 µm un ventesimo delle tracce. In aggiunta a questo,
c'e' anche la sfortunata evenienza che una traccia verticale che passa vicino al filo colpisce
anche due "I", e viene scartata dalla selezione delle sole tracce a 8 punti.

3.2 Scatola dei tempi

Una seconda possibile verifica è ciò che viene chiamato la “scatola dei tempi”: un
istogramma nel quale sono introdotti tutti i tempi misurati dall’apparato. Nel nostro caso
inseriremo i dati delle tracce che hanno dato 8 segnali. Quest’istogramma dovrebbe avere,
nell’ipotesi d’illuminazione uniforme della cella, abbastanza vera in pratica, e di relazione
lineare tra distanza dal filo e tempo, una forma a scatola tra il tempo minimo, zero, e il
tempo massimo, tempo nel quale un elettrone percorre metà cella, visto che la velocità di
deriva è considerata costante.
Riportiamo di seguito la scatola dei tempi totale: in nero quella ottenuta dai dati originali,
mentre in rosso quella ottenuta dai dati corretti

15
Figura 13. Scatola dei tempi. In nero i dati originali, in rosso i dati corretti.
Si utilizzano solo dati con otto determinazioni
La “scatola” nera non ha una forma definita a scatola. Questo può essere dovuto alla non
uniformità del campo, infatti, la “scatola” rossa rappresenta un miglioramento sulle
irregolarità della precedente. Rimangono comunque, nella zona vicina allo zero, delle
irregolarità. Per cercare di far luce sulle cause di quest’effetto si è deciso di generare delle
scatole dei tempi operando dei tagli sugli angoli. Ciò che si ottiene è rappresentato di
seguito:

Figura 14. Scatole dei tempi. 1_Scatola totale. 2_Taglio sugli angoli 0-15. 3_Taglio sugli
angoli 16-30. 4_Taglio sugli angoli 31-45.
E’ possibile notare un miglioramento complessivo della forma della scatola, ma andando ad
analizzare varie scatole con tagli negli angoli si ottengono degli istogrammi che rivelano
ulteriori possibili errori sistematici in dipendenza all’angolo, soprattutto ad angoli compresi
tra 0 e 15 gradi. Raffinando il taglio sugli angoli si ottengono i seguenti istogrammi:

16
Figura 15. Scatola dei tempi. Vari tagli sugli angoli tra 0 e 15 gradi.
Una possibile ipotesi sulla natura delle irregolarità presenti sulle scatole dei tempi è che
queste siano dovute al fatto che i dati con i quali vengono generate sono dati di tracce con
otto punti.
Vengono così eliminati dalla statistica una serie di dati non casuale, ma con delle proprietà
ben precise, la quale può contenere delle informazioni particolari. Vi è, infatti, una serie di
tracce che contengono sette punti. Ciò è dovuto al fatto che il muone può passare
esattamente per la struttura di sostegno che divide due celle contigue. In questo caso non
produce coppie di ionizzazione e per quel particolare layer non vi è segnale. L’ipotesi che si
fa è che gli angoli e le sacche siano correlate: se una traccia con un certo angolo passa per
una “I”, nei layer contigui passerà a delle distanze dal filo ben determinate. Analizziamo,
com’esempio, il caso particolare della scatola con tracce tra gli 8 e i 10 gradi; eliminando
dalla statistica le tracce con meno d’otto punti si eliminano le tracce che passano per le
cosiddette “I”: nel caso di 8 - 10 gradi, una sacca si dovrebbe trovare in
x1  h  tan    1  2mm  t1  33  43ns; mentre l’altra sacca si avrebbe in

x2  d   2h  tan     17  18mm  t2  298  315ns , dove h  13mm è la distanza verticale


tra due layer contigui, e d  21mm è la semilarghezza di una cella. Guardando
l’istogramma corrispondente si vedono le sacche esattamente nei punti calcolati. Una
seconda prova sulla veridicità dell’ipotesi si ha ricostruendo gli stessi istogrammi visti sopra
per angoli piccoli, tenendo conto solo delle tracce che danno 7 hit. Si ottiene il seguente
grafico:

17
Figura 16. Scatole dei tempi usando unicamente tracce con 7 segnali.

Al posto delle sacche di prima si ottengono, esattamente negli stessi punti, dei picchi: in
questi dati sono presenti le tracce che prima erano state escluse. Riportiamo di seguito i
grafici ottenuti tenendo in considerazione anche le tracce a sette hit:

Figura 17. Scatole dei tempi per certi intervalli angolari significativi usando tracce da 7 e 8
hit.

18
Si ottiene dunque la seguente scatola dei tempi totale con tracce a sette e otto hit:

Figura 18. Scatole dei tempi totali create usando tracce con 7 ed 8 hit.

Si vede subito un netto miglioramento: l’istogramma rosso ha una forma più simile ad una
scatola rispetto a quello nero. Da ciò concludiamo che le correzioni che si sono imposte
hanno migliorato anche la distribuzione dei punti all’interno della cella con un conseguente
miglioramento della risoluzione delle camere.

Conclusioni
L’obbiettivo di questa tesi era quello di riuscire a migliorare la risoluzione spaziale di
camere a deriva lavorando sui problemi generati dalla non uniformità del campo elettrico
all’interno delle celle. Si sono calcolati e visualizzati graficamente i problemi sopra esposti.
E’ stato possibile creare un algoritmo che correggesse gli errori per tutte le tracce
utilizzando unicamente quelle con otto segnali. Le correzioni effettuate hanno portato ad un
significativo miglioramento degli istogrammi dei residui. Per poter analizzare gli effetti di
tale correzione si sono scelti due banchi di prova generici: la dipendenza dei residui medi
dall’angolo e la scatola dei tempi. Per entrambi si è ottenuto un miglioramento grazie alle
correzioni, anche se i residui medi mantengono una, seppur minore, dipendenza
dall’angolo. Anche la scatola dei tempi si potrebbe migliorare ulteriormente, soprattutto
nelle zone vicino al filo. Gli obbiettivi preposti sono stati comunque raggiunti; ci si ritiene
dunque soddisfatti dei risultati ottenuti.

19
Bibliografia

[1] L. J. Schultz. Cosmic Ray Muon Radiography, Ph. Doc. Thesis, Portland State
University, 2003.

[2] G.Zumerle, S. Vanini, G. Bonomi. CMS DT Chambers: Optimised Reconstruction of


Cosmic Ray Tracks. CMS Note 2007/000 preliminary version.

[3] J. Puerta-Pelayo, M. C. Fouz, P. Garcia-Abia. Parameterisation of the Response of the


Muon Barrel Drift Tubes. CMS Note 2005/018.

[4] B. Rossi. L’Enigma dei raggi cosmici. Montedison - Progetto cultura, 1986.

[5] F. Sauli. Principle of Operation of multiwire proportional and drift chambers. Lectures
given in the Academic Training Programme of CERN 1975 – 1976. Geneva 1977.

[6] M. Loreti. Teoria degli errori e fondamenti di statistica. Decibel Zanichelli 1998.

[7] L. W. Alvarez, et al., 167 ( 1970 ) 832.

[8] Particle Data Group. Review of Particle Physics. Institute of Physics.

[9] The Object Reconstruction for CMS Analysis ( ORCA ). http://cmsdoc.cern.ch/orca/

[10] R. Veenhof, GARFIELD. Simulation of gaseous detectors. CERN Writeups, Ref.


W5050.

20