Studio teorico e modellizzazione numerica degli effetti di preplasma in regime di accelerazione di ioni tramite laser

Argomento di questo lavoro di tesi è l’accelerazione di ioni tramite interazione laser-plasma. Nel particolare, uno studio teorico sui principali meccanismi di accelerazione e una campagna di simulazioni numeriche volte ad analizzare gli effetti sullo spettro energetico dei protoni accelerati dovuti al preplasma sono stati svolti. Quando laser ad impulsi brevi, ad alta intensità e a contrasto finito, interagiscono con un campione solido è presente un preimpulso che causa la formazione di una regione di preplasma antistante il bersaglio che può rendere più efficace l’accelerazione dei protoni. Vengono dunque introdotti nel primo capitolo i concetti e le tecniche base per studiare a livello teorico e numericamente le interazioni laser-plasma. Nel secondo capitolo sono trattati analiticamente alcuni meccanismi di accelerazione di ioni. Nel terzo ed ultimo capitolo vengono descritti gli effetti di preplasma ed esposti risultati di simulazioni PIC volte a trovare i parametri ottimali per ottenere ioni più energetici.

Set up of a procedure for correlation analysis between current discharge and dose delivery in a pulsed power plasma device for medical application

This thesis work aims to find a procedure for isolating specific features of the current signal from a plasma focus for medical applications. The structure of the current signal inside a plasma focus is exclusive of this class of machines and a specific analysis procedure has to be developed. The hope is to find one or more features that shows a correlation with the dose erogated. The study of the correlation between the current discharge signal and the dose delivered by a plasma focus could be of some importance not only for the practical application of dose prediction but also for expanding the knowledge anbout the plasma focus physics. Vatious classes of time-frequency analysis tecniques are implemented in order to solve the problem.

Machine learning techniques for heavy-flavour baryon production measurements at the LHC

Il quark-gluon plasma (QGP) è uno stato della materia previsto dalla cromodinamica quantistica. L’esperimento ALICE a LHC ha tra i suoi obbiettivi principali lo studio della materia fortemente interagente e le proprietà del QGP attraverso collisioni di ioni pesanti ultra-relativistici. Per un’esaustiva comprensione di tali proprietà, le stesse misure effettuate su sistemi collidenti più piccoli (collisioni protone-protone e protone-ione) sono necessarie come riferimento. Le recenti analisi dei dati raccolti ad ALICE hanno mostrato che la nostra comprensione dei meccanismi di adronizzazione di quark pesanti non è completa, perchè i dati ottenuti in collisioni pp e p-Pb non sono riproducibili utilizzando modelli basati sui risultati ottenuti con collisioni e+e− ed ep. Per questo motivo, nuovi modelli teorici e fenomenologici, in grado di riprodurre le misure sperimentali, sono stati proposti. Gli errori associati a queste nuove misure sperimentali al momento non permettono di verificare in maniera chiara la veridicità dei diversi modelli proposti. Nei prossimi anni sarà quindi fondamentale aumentare la precisione di tali misure sperimentali; d’altra parte, stimare il numero delle diverse specie di particelle prodotte in una collisione può essere estremamente complicato. In questa tesi, il numero di barioni Lc prodotti in un campione di dati è stato ottenuto utilizzando delle tecniche di machine learning, in grado di apprendere pattern e imparare a distinguere candidate di segnale da quelle di fondo. Si sono inoltre confrontate tre diverse implementazioni di un algoritmo di Boosted Decision Trees (BDT) e si è utilizzata quella più performante per ricostruire il barione Lc in collisioni pp raccolte dall’esperimento ALICE.