AI-assisted Optimization of the ECCE Tracking System at the Electron Ion Collider

no code implementations • 18 May 2022 • C. Fanelli, Z. Papandreou, K. Suresh, J. K. Adkins, Y. Akiba, A. Albataineh, M. Amaryan, I. C. Arsene, C. Ayerbe Gayoso, J. Bae, X. Bai, M. D. Baker, M. Bashkanov, R. Bellwied, F. Benmokhtar, V. Berdnikov, J. C. Bernauer, F. Bock, W. Boeglin, M. Borysova, E. Brash, P. Brindza, W. J. Briscoe, M. Brooks, S. Bueltmann, M. H. S. Bukhari, A. Bylinkin, R. Capobianco, W. -C. Chang, Y. Cheon, K. Chen, K. -F. Chen, K. -Y. Cheng, M. Chiu, T. Chujo, Z. Citron, E. Cline, E. Cohen, T. Cormier, Y. Corrales Morales, C. Cotton, J. Crafts, C. Crawford, S. Creekmore, C. Cuevas, J. Cunningham, G. David, C. T. Dean, M. Demarteau, S. Diehl, N. Doshita, R. Dupre, J. M. Durham, R. Dzhygadlo, R. Ehlers, L. El Fassi, A. Emmert, R. Ent, R. Fatemi, S. Fegan, M. Finger, M. Finger Jr., J. Frantz, M. Friedman, I. Friscic, D. Gangadharan, S. Gardner, K. Gates, F. Geurts, R. Gilman, D. Glazier, E. Glimos, Y. Goto, N. Grau, S. V. Greene, A. Q. Guo, L. Guo, S. K. Ha, J. Haggerty, T. Hayward, X. He, O. Hen, D. W. Higinbotham, M. Hoballah, T. Horn, A. Hoghmrtsyan, P. -h. J. Hsu, J. Huang, G. Huber, A. Hutson, K. Y. Hwang, C. Hyde, M. Inaba, T. Iwata, H. S. Jo, K. Joo, N. Kalantarians, G. Kalicy, K. Kawade, S. J. D. Kay, A. Kim, B. Kim, C. Kim, M. Kim, Y. Kim, E. Kistenev, V. Klimenko, S. H. Ko, I. Korover, W. Korsch, G. Krintiras, S. Kuhn, C. -M. Kuo, T. Kutz, J. Lajoie, D. Lawrence, S. Lebedev, H. Lee, J. S. H. Lee, S. W. Lee, Y. -J. Lee, W. Li, W. B. Li, X. Li, Y. T. Liang, S. Lim, C. -h. Lin, D. X. Lin, K. Liu, M. X. Liu, K. Livingston, N. Liyanage, W. J. Llope, C. Loizides, E. Long, R. -S. Lu, Z. Lu, W. Lynch, D. Marchand, M. Marcisovsky, P. Markowitz, H. Marukyan, P. McGaughey, M. Mihovilovic, R. G. Milner, A. Milov, Y. Miyachi, P. Monaghan, R. Montgomery, D. Morrison, A. Movsisyan, H. Mkrtchyan, A. Mkrtchyan, C. Munoz Camacho, M. Murray, K. Nagai, J. Nagle, I. Nakagawa, C. Nattrass, D. Nguyen, S. Niccolai, R. Nouicer, G. Nukazuka, M. Nycz, V. A. Okorokov, S. Oresic, J. D. Osborn, C. O'Shaughnessy, S. Paganis, S. F. Pate, M. Patel, C. Paus, G. Penman, M. G. Perdekamp, D. V. Perepelitsa, H. Periera da Costa, K. Peters, W. Phelps, E. Piasetzky, C. Pinkenburg, I. Prochazka, T. Protzman, M. L. Purschke, J. Putschke, J. R. Pybus, R. Rajput-Ghoshal, J. Rasson, B. Raue, K. F. Read, K. Roed, R. Reed, J. Reinhold, E. L. Renner, J. Richards, C. Riedl, T. Rinn, J. Roche, G. M. Roland, G. Ron, M. Rosati, C. Royon, J. Ryu, S. Salur, N. Santiesteban, R. Santos, M. Sarsour, J. Schambach, A. Schmidt, N. Schmidt, C. Schwarz, J. Schwiening, R. Seidl, A. Sickles, P. Simmerling, S. Sirca, D. Sharma, Z. Shi, T. -A. Shibata, C. -W. Shih, S. Shimizu, U. Shrestha, K. Slifer, K. Smith, D. Sokhan, R. Soltz, W. Sondheim, J. Song, I. I. Strakovsky, P. Steinberg, P. Stepanov, J. Stevens, J. Strube, P. Sun, X. Sun, V. Tadevosyan, W. -C. Tang, S. Tapia Araya, S. Tarafdar, L. Teodorescu, A. Timmins, L. Tomasek, N. Trotta, R. Trotta, T. S. Tveter, E. Umaka, A. Usman, H. W. van Hecke, C. Van Hulse, J. Velkovska, E. Voutier, P. K. Wang, Q. Wang, Y. Wang, D. P. Watts, N. Wickramaarachchi, L. Weinstein, M. Williams, C. -P. Wong, L. Wood, M. H. Wood, C. Woody, B. Wyslouch, Z. Xiao, Y. Yamazaki, Y. Yang, Z. Ye, H. D. Yoo, M. Yurov, N. Zachariou, W. A. Zajc, W. Zha, J. Zhang, Y. Zhang, Y. X. Zhao, X. Zheng, P. Zhuang

Notably, EIC is one of the first large-scale facilities to leverage Artificial Intelligence (AI) already starting from the design and R&D phases.

Detection of the Crab Nebula with the 9.7 m Prototype Schwarzschild-Couder Telescope

no code implementations • 15 Dec 2020 • C. B. Adams, R. Alfaro, G. Ambrosi, M. Ambrosio, C. Aramo, T. Arlen, P. I. Batista, W. Benbow, B. Bertucci, E. Bissaldi, J. Biteau, M. Bitossi, A. Boiano, C. Bonavolontà, R. Bose, A. Bouvier, A. Brill, A. M. Brown, J. H. Buckley, K. Byrum, R. A. Cameron, R. Canestrari, M. Capasso, M. Caprai, C. E. Covault, D. Depaoli, M. Errando, S. Fegan, Q. Feng, E. Fiandrini, G. Foote, P. Fortin, S. Funk, A. Furniss, F. Garfias, A. Gent, N. Giglietto, F. Giordano, E. Giro, M. M. González, V. Guarino, R. Halliday, O. Hervet, J. Holder, G. Hughes, T. B. Humensky, M. Ionica, A. Iriarte, W. Jin, C. A. Johnson, P. Kaaret, D. Kieda, B. Kim, A. Kuznetsov, J. S. Lapington, F. Licciulli, S. Loporchio, V. Mason, K. Meagher, T. Meures, B. A. W. Mode, S. A. I. Mognet, R. Mukherjee, T. Nguyen, D. Nieto, A. Okumura, N. Otte, N. La Palombara, F. R. Pantaleo, R. Paoletti, G. Pareschi, A. Petrashyk, F. Di Pierro, E. Pueschel, P. T. Reynolds, D. Ribeiro, G. Richards, E. Roache, D. Ross, J. Rousselle, A. Rugliancich, J. Ruíz-Díaz-Soto, M. Santander, S. Schlenstedt, M. Schneider, S. Scuderi, R. Shang, G. Sironi, B. Stevenson, L. Stiaccini, H. Tajima, L. P. Taylor, J. Thornhill, L. Tosti, G. Tovmassian, V. Vagelli, M. Valentino, J. Vandenbroucke, V. V. Vassiliev, L. Di Venere, S. P. Wakely, J. J. Watson, R. White, P. Wilcox, D. A. Williams, M. Wood, P. Yu, A. Zink

The Schwarzschild-Couder Telescope (SCT) is a telescope concept proposed for the Cherenkov Telescope Array.

Instrumentation and Methods for Astrophysics High Energy Astrophysical Phenomena

Studying deep convolutional neural networks with hexagonal lattices for imaging atmospheric Cherenkov telescope event reconstruction

1 code implementation • 20 Dec 2019 • D. Nieto, A. Brill, Q. Feng, M. Jacquemont, B. Kim, T. Miener, T. Vuillaume

Deep convolutional neural networks (DCNs) are a promising machine learning technique to reconstruct events recorded by imaging atmospheric Cherenkov telescopes (IACTs), but require optimization to reach full performance.

Instrumentation and Methods for Astrophysics

AI-optimized detector design for the future Electron-Ion Collider: the dual-radiator RICH case

no code implementations • 13 Nov 2019 • E. Cisbani, A. Del Dotto, C. Fanelli, M. Williams, M. Alfred, F. Barbosa, L. Barion, V. Berdnikov, W. Brooks, T. Cao, M. Contalbrigo, S. Danagoulian, A. Datta, M. Demarteau, A. Denisov, M. Diefenthaler, A. Durum, D. Fields, Y. Furletova, C. Gleason, M. Grosse-Perdekamp, M. Hattawy, X. He, H. van Hecke, D. Higinbotham, T. Horn, C. Hyde, Y. Ilieva, G. Kalicy, A. Kebede, B. Kim, M. Liu, J. McKisson, R. Mendez, P. Nadel-Turonski, I. Pegg, D. Romanov, M. Sarsour, C. L. da Silva, J. Stevens, X. Sun, S. Syed, R. Towell, J. Xie, Z. W. Zhao, B. Zihlmann, C. Zorn

Advanced detector R&D requires performing computationally intensive and detailed simulations as part of the detector-design optimization process.

Bayesian Optimization