Análisis de la composición de rayos cósmicos mediante técnicas de machine learning usando eventos del detector de superficie del Observatorio Pierre Auger

Simple item page
dc.audiencegeneralPublic
dc.contributorSalazar Ibargüen, Humberto
dc.contributorVarela Carlos, Enrique
dc.contributor.advisorSalazar ibargùen, Humberto; 0000-0003-4556-7302
dc.contributor.advisorVarela, Enrique; 0000-0003-0715-7513
dc.contributor.authorCorona Hernández, Andrea
dc.date.accessioned2025-09-02T15:07:41Z
dc.date.available2025-09-02T15:07:41Z
dc.date.issued2025-04
dc.description.abstract"El principal objetivo de este trabajo consiste en desarrollar una metodología para predecir el parámetro Xmax (profundidad atmosférica del máximo desarrollo de las lluvias) utilizando exclusivamente datos del Detector de Superficie (SD). Para ello, se implementó un modelo de aprendizaje automático basado en el algoritmo XGBoost, cuyo entrenamiento inicial se realizó con datos Golden que combinan información tanto del Detector de Fluorescencia (FD) como del Detector de Superficie (SD). Una vez optimizado el modelo, este fue almacenado y posteriormente aplicado para realizar predicciones empleando únicamente datos del SD, siguiendo los cortes energéticos y criterios de selección establecidos en el análisis. Los resultados obtenidos demuestran un comportamiento satisfactorio en las predicciones de ⟨Xmax⟩, mostrando una notable concordancia con las tendencias físicas esperadas según los modelos teóricos y mediciones experimentales reportadas en la literatura. Este trabajo valida la eficacia del enfoque propuesto, destacando su potencial para superar las limitaciones operacionales del FD mediante el uso exclusivo de datos del SD, lo que representa un avance significativo en el análisis de rayos cósmicos de ultra alta energía, particularmente en condiciones donde la disponibilidad de datos de fluorescencia es limitada".
dc.folio20250529151753-9451-TL
dc.formatpdf
dc.identificator1
dc.identifier.urihttps://hdl.handle.net/20.500.12371/29372
dc.language.isospa
dc.matricula.creator202032421
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA
dc.subject.lccFísica--Física de la radiación (general)--Física de los rayos cósmicos--Temas especiales--Lluvias
dc.subject.lccFísica--Óptica--Instrumentos y aparatos ópticos (general)--Instrumentos especiales--Detectores ópticos
dc.subject.lccLluvias de rayos cósmicos--Medición
dc.subject.lccAprendizaje automático (Inteligencia artificial)
dc.thesis.careerLicenciatura en Física Aplicada
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias Físico Matemáticas
dc.thesis.degreetoobtainLicenciado (a) en Física Aplicada
dc.titleAnálisis de la composición de rayos cósmicos mediante técnicas de machine learning usando eventos del detector de superficie del Observatorio Pierre Auger
dc.typeTesis de licenciatura
dc.type.conacytbachelorThesis
dc.type.degreeLicenciatura
Files
Original bundle
Now showing 1 - 2 of 2
Name:
20250529151753-9451-TL.pdf
Size:
2.46 MB
Format:
Adobe Portable Document Format
Download
Name:
20250529151753-9451-CARTA.pdf
Size:
278.8 KB
Format:
Adobe Portable Document Format
Collections
Tesis de Licenciatura