ATLAS BRASIL

RENAFAE Workshop Dezembro 2010

Equipe

Pesquisadores: Andre Asevedo Nepomuceno Augusto Santiago Cerqueira Carmen Lucia Lodi Maidantchik Eduardo Luiz Augusto Macchione Emi Marcia Takagui Fernando Marroquim Leao de Almeida Jr Jose Manoel de Seixas Luciano Manhães de Andrade Filho Luiz Pereira Calôba Marco Aurelio Lisboa Leite Maria Aline Barros do Vale Marisilvia Donadelli Olacio Dietzsch Rafael Antunes NóbregaYara do Amaral Coutinho

Estudantes:Andressa Andrea Sivolella Gomes Bernardo Sotto-Maior Peralva Bruno Lange Ramos Claus Naves Eikmeier Danilo Lima de Souza Dennys Reis Eduardo Furtado de Simas Filho Elysio Mendes Nogueira Felipe Fink Grael Fernando Guimarães Ferreira Fernando Miranda Vieira Xavier Ivan de Paula MirandaJosé Navarro Kaio Karam Galvão Laura de Oliveira Fernandes Moraes Luiz Eduardo Balabram Filho Luiz Henrique Ramos Azevedo Évora Natanael Nunes de Moura Junior Sérgio Manoel Valverde Pereira Thiago Ciodaro Xavier Thomas Rafael Czank Valdir Salustino Guimarães

Instituições: UFRJ, USP, UFSJ, UFJF, UFF

Atividades●Validação do ATLFast II●Estudos de Erros Sistemáticos para Análise do W'●Métodos Estatísticos para Eventos Raros●Procura por Novas Ressonâncias●Medidas e efeitos de ruido no pile-up usando MC e Dados( Início).●LeptonJets●Análise de Dados de HI●ZDC

● Desenvolvimento de software● Instalação● Análise de dados p+p e Pb+Pb

●Tilecal● Calibração de canais de trigger● Seleção ótima de sinais● Compensação de cabos para transmissões de pulsos rápidos● Receptor de muons● Classificador Neural● Monitoramento, Controle, Qualidade de Dados e Análise de Dados via

WEB para o Tilecal●ATLAS (Coordenação Técnica)

● Recuperação e processamento de grandes volumes de dados do ATLAS

Validação do ATLFAST II (Nova Simulação Rápida) A nova versão da Simulação Rápida do ATLAS combina simulação rápida e detalhada para melhor descrição do detector.

Comparamos eventos reconstruídos com simulação completa com eventos reconstruídos com ATLFAST II para validação do software.

Conclusões:

● ATLFAST II concorda razoavelmente bem com a simulação detalhada para a maioria das distribuições.● ATLFAST II apresenta eficiência de reconstrução maior para elétrons do que

a simulação completa. ● Resultados discutidos e enviados para os desenvolvedores para otimização do software.

Estudo de Erros Sistemáticos para a Análise do W' (I)

Objetivo: investigar o impacto de um problema de ganho no calorímetro eletromagnético sobre elétrons de alto momento transverso. O problema afetou cerca de 300 nb-1 de dados

Para investigar o problema, reconstruímos dados de Monte Carlo do W' com uma versão especial do software do calorímetro que emulou os dados corrompidos. Esses dados foram comparados com a reconstrução esperada.

O estudo foi feito para diferentes critérios de identificação de elétrons.

Diferença da energia transversa e pseudorapidez entre os eventos “normais” e os eventos afetados pelo problema.

Estudo de Erros Sistemáticos para a Análise do W' (II)

Conclusões

● Concluiu-se que o problema afeta a energia reconstruída de cerca de 4% dos elétrons, no pior dos casos.

● Não há divergência significativas na pseudorapidez.

● Esse estudo é parte do ATLAS Note que será usada como referência do estudo de efeitos sistemáticos para análises do canal Lepton plus Missing ET .

Apresentações

● High PT Electrons Meeting, 20 de setembro de 2010 – LAr Gain Corruption ● High PT Electrons Meeting, 04 de Outubro de 2010 – LAr Gain Corruption: Update● High PT Electrons Meeting, 11 de Outubro de 2010 – LAr Gain Corruption: Final Results

Métodos Estatísticos para Eventos RarosBaseado na referência: F.M.L. de Almeida, A.A. Nepomuceno, PHYSTAT-LHC Published Statistical Issues for LHC Physics155-158, 2007.Verossimilhança Perfilada para Sinal e Background tipo Poisson

Onde: s e b estão associados ao sinal e background, respectivamentek e m são o número de eventos de datos e background.

é a razão entre as luminosidades do MC e dos dados.

Resolvendo a eq.

Tem-se b(s) , substitui-se na equação (1) obtem-se uma verossimilhança Independente de b e obtem-se uma função- Chi2

Tem-se os limitesdo sinal

L s , b ;k ,m,∝sbk⋅e− sb⋅⋅bm⋅e−⋅b

1

=LMC

LData

∂

∂bLs , b ; k ,m,∣

b=b s

=0.

P2=2⋅[s−s 1 bs−b s k ln sb s

sbs m ln b sbs ]

{P

2 smin=P2 s

P2 smax=P

2 s

0≤smin≤ssmax

Assim podemos obter uma função-Chi2 e limites de sinal

Alguns exemplos de aplicações:Para

Enquanto que

Estamos comparando este método por nós proposto com os outros métodos propostos e deverá sair uma comunicação interna sobre o assunto métodos estatísticos na procura de W' e Z'..

2=−2 ln Ls ; k ,m, ,0,

L s ; k ,m, ,0, .

k=0.16 ; m=0.16 ; =1.00 ; 0=0.53 ; =0.04 s∈[0, 2.67]

k=0.16 ; m=0.80 ; =5.00 ; 0=0.53 ; =0.04 s∈[0, 2.6 ]

Incluindo eficiência Gaussiana (I)

Ls , b ,s ; k ,m , ,0, ∝ s sbk e− s sb bme−b⋅exp−−0

2

22

Potencial da Procura por Novas Ressonâncias a 7 TeV

Análise com base nos trabalhos fenomenológicos:

“Torsion Phenomenology at the CERN LHC” (A. S. Belyaev, I. L. Shapiro, M. A. B. do Vale, Phys. Rev. D 7575, 034014 (2007))

“Torsion discovery potential and its discrimination at CERN LHC” (F. M. L de Almeida Jr., A. A. Nepomuceno, M. A. B. do Vale, Phys. Rev. D 79, 014029 (2009))

O Modelo de Torção foi implementado no CompHep.

De um ponto de vista fenomenológico, a Torção pode ser interpretada como uma ressonância com massa invariante grande que decai em dois férmions do MP e pode ser caracterizada pela sua massa (M

TS) e pelos seus acoplamentos

com os férmions do MP (ηf )

Os canais mais adequados para procurar a Torção são os canais com dois léptons de cargas opostas no estado final (e+e- e μ+μ-).

Experimentalmente, a procura é feita por uma ressonancia de alta massa, como é feito para outras ressonancias decaindo em diléptons: Z', Z*, Graviton, etc.

Gráficos de Exclusão de TS→e+e- (95% C.L.)

Resultados preliminares obtidos:

Com uma luminosidade de 36.4 pb-1 não podemos excluir uma Torção se η = 0.2. Podemos excluir uma Torção menor do que 1,3 TeV, se η = 0.5.É possível excluir uma Torção abaixo de 1,45 TeV, com η = 0.7.

Obs.: O método estatístico utilizado foi o método da contagem

Perspectivas Futuras

Esta análise se insere dentro do subgrupo Dilepton do grupo de Exótico do ATLAS.O objetivo deste subgrupo é publicar um trabalho sobre procura por novas

ressonâncias nos canais e+e- e μ+μ- tão logo os resultados sejam mais restritivos do que os do TEVATRON, o que é esperado para uma luminosidade integrada por volta de 50 pb-1.

Antes disso, serão publicadas notas internas específicas: elétrons, múons eestatística.

Todas os arquivos contendo eventos de Monte Carlo (sinais e backgrounds)ou dados estão sendo reprocessados.

Todas as análises terão que ser refeitas.

A inclusão de cortes adicionais será estudada.

Outros métodos estatísticos serão considerados.

Pretendemos dar continuidade ao trabalho refazendo a análise para

o canal e+e- e começar a trabalhar também no canal μ+μ- e com outros modelos

12

Leptonjets

Matéria Escura (Dark Matter – DM), apresenta diferentes candidatos em alguns deles, a cadeia de decaimento termina em jatos de léptons colimados - leptonjets - com nível de energia dentro da faixa de operação dos detectores do LHC

13

EstratégiasUtilização da infraestrutura existente do detector ATLAS

Adaptação do canal elétron/jato para seleção de leptonjets

Técnicas de extração de características

Análise de Componentes Principais - PCA

Análise de Componentes Independentes - ICA

Uso de classificadores não-lineares (Redes Neurais Artificiais)

Investigação do potencial de um menu específico de filtragem de eventos

Menu leptonjets/jatos – lj/j

Investigação do potencial de diferentes técnicas de normalização dos dados

Energia

Sequêncial

Potencial de solução do problema em função de uma região de corte a partir do centro da RoI

Técnicas de extração de características

PCA

ICA

Uso de classificadores não-lineares (Redes Neurais Artificiais)

R=2

2

14

ResultadosCanal e/j

Maximização da aceitação de elétrons ( )

Minimização do falso alarme ( ) – jato hadrônico aceito como elétron

Maximização da aceitação de leptonjets ( )

Menu lj/j

Maximizacão da aceitação de leptonjets ( )

Minimização do falso alarme ( ) – jato hadrônico aceito como leptonjets

Técnica Anéis/Comp. Energia (%)

Neural – ICA (Não Seg.) 4 33,29 97,25 7,16 54,75

PDe PF j PDlj

PDe

PF j

PF j

PDlj

PDlj

Técnica Anéis/Comp. Energia (%)

Neural – PCA (Não Seg.) 9 72,58 68,44 15,5

PF jPDlj

Análise de dados de Íons Pesados● 3 semanas de feixe de Pb+Pb a 2.76 TeV

● Luminosidade integrada de 9.3 μb -1

● Expectativa inicial: 1 ~ 3 μb -1

● Excelente desempenho do detector

● Eficiência de reconstrução de trajetórias em um ambiente de alta multiplicidade

● Forte correlação de energia entre os calorímetros

ATLAS em Íons PesadosCaracterística Medida Física

Única Fótons diretos

Fótons produzidos via fragmentação

“Tagged fótons”

Emissão de fótons induzida pelo meio.

Mecanismo de perda de energia de jatos

Excelente Correlações fótons-jatos

Reconstrução completa de jatos

Jatos duplos/múltiplos

Funções de fragmentação modificadas.

Mecanismo de perda de energia de jatos.

“Quenching” de quarks.

Competitiva/Complementar

Observáveis globais

Fragmentação de jatos

Quarkonia

Bósons Z

Propriedades do estado inicial.

Fenômenos coletivos (fluxo elíptico)

Propriedades modificadas pelo meio

Blindagem de Debye

Funções de distribuição partônica

Assimetria de jatos observada pelo grupo de íons pesados do ATLAS

● Indicação da formação de estado deconfinado de quarks e glúons

● Jatos são altamente atenuados ao atravessarem o meio

● Parâmetro de assimetria:

● Estudo da assimetria em função da multiplicidade

● Physical Review Letters 105, 252303 (2010), sub. 12/12/2010, pub. 13/12/2010

Evento com jatos simétricos

Evento com jatos Assimétricos

Aj = (ET2

- ET1

)/(ET2

+ET1

)

Resultados devido a ótimacalorimetria. Já há trabalhos teóricos baseados neste resultado do ATLAS.

Análise do fluxo elíptico em íons pesados

● Emissão preferencial no plano de reação (Φ

RP)

● Anisotropia de momento do estado final quantificada através da decomposição de Fourier da distribuição azimutal das partículas

● Distribuição azimutal obtida através de :

● Trajetórias no detector interno (|η|< 2.5)

● Energia das torres |η|< 5)

φ

η

Distribuição de Energia das torres (Dados Pb+Pb 2.76 TeV)

● Anisotropia espacial do estado inicial → anisotropia momentum estado final (observável)

Calorímetro a Zero Grau do ATLAS

EM

HA

D0

HA

D1

HA

D2

●4 módulos longitudinais●Calorímetro de amostragem (W+quartzo)●EM : 18 X0●Hadrônico: 3.4 λ●Medida da energia total e posição

● EM: 64 torres● Hadrônico: 24 torres

●Cobertura |η| > 8.3●Participação no Nível 1 do trigger

● p+p e íons pesados●Principal trigger em Íons Pesados●Monitoramento da luminosidade

140 meters

protons

ZDC - AtividadesInstalação dos módulos eletromagnéticos (Julho 2010)

Desenvolvimento de software em toda a cadeia de processamento do ATLAS

Determinação da Luminosidade (p+p e Pb+Pb)Análise dos dados (p+p e

Pb+Pb)

ZDC: Análise em Íons Pesados● Estudo da anti-correlação da energia total no ZDC com a energia nos

detectores centrais (FCAL e MBTS)

● Reconstrução de nêutrons provenientes da dissociação eletromagnética dos núcleos

1n

2n3n

Side A Side C

1n

2n3n

Centralidade em Pb+Pb● Centralidade a partir a informação do Fcal (E

T)

● Necessário separar o fundo da contribuição de processos fotonucleares de colisões periféricas

● Assimétricos, alta multiplicidade, Pt similares

● Visíveis nos detectores mais centrais do ATLAS (ex. MBTS)

● Podem ser eliminados via coincidência entre os dois ZDCs

ZDC_A & ZDC_C

ZDC – Informação de posição e tempo ● Informação de posição da incidência da partícula ●Reconstrução de π0 → γγ

● Diferença de tempo entre ZDC_A e ZDC_C ● Comparado com sistema central (MBTS)

Calibração dos Canais de Trigger do TilecalObjetivos

• Desenvolver uma ferramenta para detectar, automaticamente, canais de Trigger defeituosos (Ganho-Zero ou Ganho-Médio).

• Atualizar periodicamente a base de dados para ajuste automático de ganho pelos algoritmos de reconstrução e simulação MC.

• Análise da estabilidade dos canais de Trigger em função do tempo.

Sistema desenvolvido

• Resposta à injeção de carga é processada pelo framework Athena do ATLAS.

• Variáveis são analisadas pelo framework TUCS do Tilecal.

• Plots são gerados e resultados são gravados na base de dados do Tilecal.

Calibração dos Canais de Trigger do TilecalEstratégia para detectar canais

Ganho-Zero e Ganho-Médio• Energia reconstruída abaixo de 10% do valor da carga injetada – Canal

Ganho-Zero• Energia reconstruída abaixo de 50% do valor da carga injetada – Canal

Ganho-Médio

Resultados• Canais defeituosos (Ganho-Zero + Ganho-Médio)

• Estabilidade dos canais

Base de dados Tilecal:•39 canais Ganho-Zero•11 canais Ganho-Médio

Seleção Ótima de Sinais para o TilecalObjetivos

• Detectar sinais com baixa relação sinal-ruído (células do calorímetro com pouca deposição de energia).

Motivação• Células do calorímetro com efetiva deposição de energia

podem ser descartadas durante a reconstrução de eventos.

Banco de Dados• 2 classes: 240.000 sinais e 240.000 ruídos.• Sinal temporal composto de 7 amostras.• Conjunto de desenvolvimento para projeto do detector e conjunto de teste

para validação do detector.• Metade dos sinais utilizados no conjunto de desenvolvimento e a outra

metade no conjunto de teste.

Seleção Ótima de Sinais para o Tilecal

Métodos Propostos para Detecção

1. Bayes. Branqueamento do ruído (descorrelaciona as amostras de ruído) seguido de transformação linear (PCA) para descorrelacionar as amostras de sinal.

2. Bayes. Análise de Componentes Independentes (ICA) como pré-processamento visando melhorar a estimativa das densidades de probabilidade.

3. Rede Neural – Técnica não-linear que aproxima a superfície de separação de Bayes.

Seleção Ótima de Sinais para o TilecalResultados

Eficiência de detecção:• 69% Corte Energia• 88% branqueamento + PCA• 90% ICA• 98% detecção (Rede Neural)

Compensador de cabos para transmissão de pulsos rápidos

Objetivos Compensar o efeito de deteorização do risetime e da largura do sinal

devido ao sistema do cabo. Evitar o empilhamento de sinais (pile up).

Representação do Sistema

Resultados da Compensação

0 50 100 150 200 250 300 350 400-0.2

0

0.2

0.4

0.6

0.8

1

1.2

Tempo (ns)

Sin

al N

orm

aliz

ad

o

Efeito do Compensador de Cabos

Entrada: 86.97nsSaída1 (F. FIR com 2 Coef): 73.15ns Saída2 (F. FIR com 16 Coef): 68.82ns

Largura dos Sinais

Método 1 Método 2

Redução na largura do pulso, em média, de 87 ns para 70 ns.

A compensação para ambos os métodos não deteriora a eficiência de detecção mediante o uso do filtro casado;

Testes mostraram que a implementação de um filtro com um único zero (dominante) para o Método 1 representa uma boa alternativa para compensação, principalmente devido a simplicidade.

0 50 100 150 200 250 300 350 400-0.2

0

0.2

0.4

0.6

0.8

1

1.2Efeito do Compensador de Cabos

Tempo (ns)

Sin

al N

orm

aliz

ado

Entrada: 86.97ns Saída1 (Filtro 2EXP): 71.22nsSaída2 (Filtro 3EXP): 70.05ns

Largura dos Sinais

Receptor de Muons do TilecalMotivação●Evitar uma possível elevada taxa de trigger devido a efeitos de radiação da caverna

●Calorímetro hadrônico central (TileCal) fornece sinais para deteção de múon no primeiro nível de trigger (Sinais de múon)

● Leitura das células da última camada (Células D): pouca atividade hadrônica● Células com dupla leitura (DL e DR)

● Intenso estudo durante testbeam e trigger de raios cósmicos

●Hardware do sistema de múon instalado e capaz de receber informação do TileCal● Detetor de múon: RPC● Hardware de interface: Sector Logic (SL)

●Sinais de múon do TileCal disponíveis na interface com o primeiro nível● Baixa razão sinal-ruído (SNR)

Projeto

●Sistema para recepção dos sinais de múon do TileCal● Soma analógica de sinais de uma mesma célula (aumento da SNR)

●Casamento das regiões de trigger do TileCal e do RPC●Discriminação entre sinal de múon e ruído, identificação de bunch-cross e estimação de energia

Razão Sinal-Ruído (SNR)

●Testbeam: feixes de múon com energia fixa atingindo o TileCal em posições específicas●Distribuição de energia de múons: Landau convoluída com Gaussiana●SNR: MOP/RMS

● MOP: valor mais provável da deposição de energia de múons● RMS: dispersão da distribuição de energia da reconstrução aplicada a ruído

η0.15 0.2 0.25 0.3 0.35 0.4 0.45

SN

R =

MO

P/R

MS

1.61.8

22.22.42.62.8

33.23.43.63.8 DL

DR

Soma

Energia [MeV]

0 500 1000 1500 2000

Con

tage

m

0

1000

2000

3000

4000

5000 Distribuição energética

Gaussiana convoluída com Landau

Discriminadores

●Filtragem Casada● Estágio de branqueamento do ruído● Abordagem simples

● Representação do processo estocástico pela sua média

● Abordagem Gaussiana● Extração de componentes principais sobre o sinais de

múon com diferentes deposições energéticas

Simulações de Monte Carlo

●Múons únicos com diferentes Pt●Casamento de geometria em nível de SL (1 SL, 8 células D)

● ROI’s do RPC e células D do TileCal têm tamanhos diferentes●Benchmark: extrapolação de tracks das câmaras de múon

● Informação offline, não disponível no primeiro nível●Trigger TileCal: cortes na energia reconstruída de cada célula

η-1 -0.5 0 0.5 1

φ

-3

-2

-1

0

1

2

3

Mapa ROI

Dados de Colisão (1)

●Cabos de múon do TileCal conectados à eletrônica de aquisição do trigger de primeiro nível para calorimetria

● Digitalização em 7 amostras● Pulsos supostamente alinhados (soma digital

dos sinais de uma mesma célula D)● Análise de múons detetados de forma offline

●Discriminadores● Metodologia utilizada nos dados de testbeam

(Patamar e FC simples branco)● Implementação:

● O mesmo filtro para todas as células; por torre e por célula

● Figura de mérito:

Dados de Colisão (2)

●Integração com o RPC●Casamento em SL●Robustez contra ruído●Implementação dos discriminadores por célula

●Estatística baixa deteriora a performance em relação ao testbeam

● Poucos sinais de alta energia

Extensões ao Neural Ringer●Extensões ao Neural Ringer buscam:

● aumentar a eficiência;● diminuir o tempo de processamento;● permitir melhor interpretação física dos resultados.

●Pre-processamento:● Análise de componentes independentes (ICA)

Análise de componentes independentes (ICA)

●Considera-se que um sinal multi-dimensional x(t) é gerado a partir da combinação linear de fontes independentes: s(t):

●Na forma matricial: x = As , onde A é a matriz de mistura.

●Modelo não-linear (NLICA): x = F(s).

●Algoritmos:● PNL (modelo pós não-linear);● SOM (mapas auto-organizáveis);● ICA LOCAL.

F(.) é um mapeamento não-linear de RN → RN.

Resultados - Monte Carlo:

●“Verdade” do simulador.

Resultados - Raios Cósmicos:

●Comparação entre diferentes discriminadores:

●Perfil médio dos cósmicos aceitos:

Resultados - Raios Cósmicos:

Resultados: Colisões

●Classe das partículas atribuída através da análise offline.

●Eficiência esperada para a identificação offline de candidatos a elétrons:

Maior concentração dos eventos disponíveis

Resultados: Colisões

●Congurações do T2Calo:● T2EM3 Loose: PD=98,10 %, PF=64,07 %.● T2EM3 Medium: PD=96,50 %, PF=55,73 %.

●Comparação entre diferentes discriminadores:

Resultados: Colisões

Resultados: Colisões

Controle do Tilecal, qualidade de dados, análise e testes via WEB

Controle via WEB do calorímetro, qualidade de dados e análise de testes:

1. DCS Web System: realiza o monitoramento de Voltagens, Correntes e Temperaturas de fontes de alimentação controladas pelo sistema de controle do Calorímetro de Telhas.

2. WIS: Apresenta as informações relativas aos testes, desde as configurações até os resultados obtidos.

3. TimeLine: Exibe, através de uma linha do tempo, a evolução dos módulos do calorímetro, apresentando problemas e comentários técnicos.

4. TileComm Analysis: Apresenta gráficos e análises dos testes e permite registrar os comentários de especialistas.

5. DQM Viewer: Apresenta detalhadamente os testes realizados para um determinado módulo do calorímetro, destacando o seu desempenho.

6. Tile ELog: Logbook eletrônico dos testes realizados no calorímetro.

7. MCWS: Resultado de testes de desempenho de canais e seus respectivos dispositivos eletrônicos (PMT, ADC, etc.) do sistema de aquisição de dados.

Controle do Tilecal, qualidade de dados, análise e testes via WEB

Principais contribuições em 2010• Calorimetro de Telhas

– UPD4: permite submeter atraves do sistema MCWS (*) o novo estado do canal (prazo de 12hs após o run). Obs.: A funcionalidade UPD1 para atualizacao do estado dos canais para apoiar a analise offline já existia.

– Edição de constantes para o controle do detector: atraves desta funcionalidade do DCS WEB System (*), o usuário pode editar os valores considerados como limites de operação de cada canal das Fontes de Baixa Tensão (LVPS).

– Dashboard (*): integra as informações necessárias para a análise da calibração em uma única interface.

Trabalhos em andamento (TileCal)

Painel de Controle: disponibilizar todas as informações necessárias para diferentes tipos de análises, integrando os sistemas atuais desenvolvidos pela nossa equipe (1a. Versão do Dashboard em produção desde Maio)

Controle do Detector (DCS Web System): Incorporar tecnologia preditiva, identificando quando determinada fonte apresentará problemas.

Integrar os sistemas de qualidade de dados (MCWS/DQM) ao DCS para correlacionar o comportamento das fontes à aquisição de dados.

Acesso à base de dados de condições do ATLAS (COOL), através do sistema Glance, também desenvolvido pela nossa equipe.

21/06/2010ATLAS/Brasil

Software Coordenação Técnica do ATLAS

• Recuperação e processamento de grandes volumes de dados.

•• Sistemas de gerência de:

– 120.000 equipamentos e 65.811 cabos– ~3.000 colaboradores de 173 universidades e laboratórios de

37 países– publicação de artigos e relatórios técnicos (~ 8.000)

21/06/2010ATLAS/Brasil

Principais contribuições em 2010para Coordenação Técnica do ATLAS

– Gerência da hierarquia de equipamentos integrado ao sistema ATLAS Equipment Traceability (*)

– Integração do sistema Membership (*) com INPIRE, American Physical Society e arXiv.org para um novo modelo de autores

Trabalhos em andamento Para a Coordenação Técnica do ATLAS

Integração de dados através de técnicas da Inteligência Computacional.

Integração do ATLAS Equipment Traceability aos sistemas de controle e análise de dados para automatizar eventos de remoção/instalação de equipamentos.

Configuração de regras definidas pelos comites

Manutenção evolutiva de todos os sistemas, que estão sendo utilizados na operação do ATLAS.

21/06/2010ATLAS/Brasil

ATLAS 2010:

Trabalhos publicados, aceitos, submetidos : 16