2026-05-05T21:52:04Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/709492024-10-25T19:03:03Zcom_10324_38col_10324_852
Detección de rayos cósmicos mediante deep learning. Diseño y desarrollo del dispositivo experimental
Franco Hernando, Miguel
González Hernández, Manuel Luis
Molina Martín, Luis Miguel
El objetivo de este trabajo es diseñar un dispositivo experimental capaz
de detectar rayos cósmicos mediante deep learning. De esta manera, en primer lugar, se presenta una introducción a los rayos cósmicos y las cascadas
atmosféricas, esenciales para la caracterización del objeto de estudio. Por
otro lado, se introducen los sensores CCD (charged-coupled device) como
medio para realizar detecciones de partículas cargadas. Posteriormente se
muestra el dataset de entreno y el modelo de IA empleado en el dispositivo,
detallando todo el proceso seguido durante su desarrollo. Para finalizar, se
presenta el dispositivo físico con el que se ha desplegado el modelo y recogido
las detecciones. Por último, se analizan los resultados obtenidos durante la
experimentación, analizando la validez del dispositivo experimental.
The aim of this work is to design an experimental device capable of detecting cosmic rays using deep learning. Firstly, an introduction to cosmic
rays and atmospheric cascades is presented, essential for characterizing the
object of study. On the other hand, CCD (charged-coupled device) sensors
are introduced as a means to detect charged particles. Subsequently, the training dataset and the AI model used in the device are shown, detailing the
entire process followed during its development. Finally, the physical device
with which the model has been deployed and detections have been collected is
presented. Lastly, the results obtained during experimentation are analyzed,
assessing the validity of the experimental device.
2024
info:eu-repo/semantics/bachelorThesis
spa
Departamento de Física Teórica, Atómica y Óptica
https://uvadoc.uva.es/handle/10324/70949
https://uvadoc.uva.es/bitstream/10324/70949/3/license.txt
289d98c1665ee0d20312360f0e8643c8
https://uvadoc.uva.es/bitstream/10324/70949/1/TFG-G6775.pdf
98744807b58815d0712c30e617f01bb1
Attribution-NonCommercial-NoDerivatives 4.0 Internacional