Metodi di deep learning per la classificazione di immagini dal rivelatore RIPTIDE

Questa tesi esplora l'applicazione delle reti neurali convoluzionali (CNN) in un innovativo sistema di rivelazione di neutroni basato sulle tecniche di Recoil Proton Track Imaging (RPTI). Queste tecniche sfruttano lo scattering elastico neutrone-protone in uno scintillatore plastico per ricostruire la cinematica dei neutroni a partire da proiezioni ortogonali sul sensore della luce di scintillazione generata dalle tracce dei protoni. Tuttavia, nel volume attivo di uno scintillatore plastico possono avvenire interazioni neutrone-carbonio, che causano la frammentazione nucleare e il rilascio di altre particelle cariche, introducendo un fondo indesiderato nei dati raccolti. Per discriminare tra eventi di segnale e di fondo, è stata sviluppata una rete neurale convoluzionale in grado di classificare con successo le immagini generate dal rivelatore, raggiungendo un'accuratezza superiore al 99%.