HiSPARC. Data. Arne de Laat

Transcriptie

1 Data Arne de Laat

2 Event Summary Data van station 502 op 17 juni

3 Wat meten we? Station Events Tijdstempel, traces en afgeleiden Weer Tijdstempel, sensor uitlezing en afgeleiden 3

4 Events 4

5 Chandra,, ASUS, DELL 5

6 Station 501 6

7 ADC ADC zet analoog signaal uit PMT om naar digitale waarden Er zijn 2 ADCs per PMT kanaal Elke PMT wordt continu, om de 2.5 ns, uitgelezen 1 ADC count is ongeveer mv Bereik: 0.1V t/m -2 V wordt omgezet tot: 0 t/m 4095 ADC counts 7

8 Trigger window Electronica op scherp als één signaal over de lage drempel gaat. Pre-coincidence window Trigger window Post-coincidence window 1 µs 1.5 µs 3.5 µs ADC counts high low t (ns) In de deze grafieken in de 'nullijn' van de signalen al afgetrokken. Die ligt normaal rond 200 ADC counts (dus 0 mv) 8

9 Trigger Twee (drie) signalen over hoge (lage) drempel binnen de trigger window! Twee signalen over lage drempel voor 2 detector station. ADC counts 2 high 3 low t (ns) 9

10 GPS timestamp Trigger tijdstempel in GPS-tijd tgps = ADC counts 2 high 3 low t (ns) 10

11 Data reductie Verwijder lege delen van de traces ADC counts noise filter t (ns) 11

12 Trigger timestamp Trigger tijdstempel tov begin van trace ADC counts 2 high 3 low t (ns) ttrigger =

13 Detector timestamps Detector tijdstempels tov begin van trace ADC counts Detection Threshold t4 = 15 t (ns) t2 = -999 t1 = 1190 t3 =

14 Fout codes -1 = niet aanwezige detector/sensor -999 = reconstructie lukt niet of onmogelijk 14

15 Detector timestamp in GPS-tijd Eerste deeltje in station in GPS-tijd tfirst,gps = tgps - ttrigger + min(t1-4) = = Let op! ttrigger en t1-4 kunnen -1 of -999 zijn! Alleen positieve waarden (en 0) voor de variabelen zijn geldig. 15

16 Pulse integrals Oppervlakte onder de trace, een maat voor aantal deeltjes ADC counts t (ns) 16

17 Pulse heights Hoogte van puls, ook indicatie aantal deeltje en verzadiging ADC counts t (ns) 17

18 Number of MIPs Aantal deeltjes, door verhouding pulsintegraal per deeltje 1 MIP 18

19 Number of MIPs Aantal deeltjes in een detectie Pulseintegral1-4 = Number of MIPs PulseintegraalMIP 1993 / 2233 = Let op! Niet altijd hele getallen Mogelijk is het pulseintegraal bereik niet linear Aantal events Aantal deeltjes 19

20 Tools 20

21 Publieke database Data overzicht en toegang API - toegang tot metadata en traces ESD - gefilterde en deels geanalyseerde data Status - nagios status Coincidenties - air showers gemeten door meer stations 21

22 Download events # Event Summary Data # # Station: (304) Bonhoeffer College # # Data taken from June 22, 2014, midnight to June 23, 2014, midnight # # # This data contains the following columns: # # date: time of event [GPS calendar date] # time: time of event [GPS time of day] # timestamp: time of event [UNIX timestamp] # nanoseconds: time of event [number of nanoseconds after timestamp] # pulseheights (4x): maximum signal pulseheight [ADC] # integral (4x): integral of the signal [ADC.ns] # number_of_mips (4x): estimate for the number of particles in the detector # arrival_times (4x): relative time of arrival of the first particle in the detector [ns] # trigger_time: relative time of the trigger timestamp [ns] # # Values of -1 for detectors 3 and 4 indicate that the station only has # two detectors. Values of -999 indicate a problem in the analysis of # that particular event. Usually, this is the result from noise in the # signal. # # ! 00:00:00! ! ! 92! 1687! -1! -1! 677! 25549! -1! -1! ! ! -1! -1! 222.5! ! 00:00:03! ! ! 255! 195! -1! -1! 2935! 2266! -1! -1! ! ! -1! -1! 12.5! ! 00:00:06! ! ! 1419! 2541! -1! -1! 21877! 49588! -1! -1! ! !-1! -1! 15.0! ! 00:00:08! ! ! 948! 665! -1! -1! 16428! 8705! -1! -1! ! ! -1! -1! 15.0! ! 00:00:08! ! ! 501! 301! -1! -1! 6942! 3523! -1! -1! 2.472! ! -1! -1! 22.5! ! 00:00:08! ! ! 811! 951! -1! -1! 10413! 12152! -1! -1! 3.708! ! -1! -1! 15.0! ! 00:00:09! ! ! 67! 257! -1! -1! 787! 3462! -1! -1! ! ! -1! -1! ! ! 00:00:10! ! ! 325! 292! -1! -1! 4547! 3621! -1! -1! ! ! -1! -1! 15.0! ! 00:00:17! ! ! 499! 329! -1! -1! 5538! 3938! -1! -1! 1.972! ! -1! -1! 12.5! ! 00:00:18! ! ! 903! 1188! -1! -1! 16241! 25351! -1! -1! ! ! -1! -1! 12.5! ! 00:00:24! ! ! 70! 68! -1! -1! 695! 297! -1! -1! ! ! -1! -1! ! ! 00:00:31! ! ! 63! 583! -1! -1! 505! 7087! -1! -1! ! ! -1! -1! ! ! 00:00:33! ! ! 209! 225! -1! -1! 2647! 2904! -1! -1! ! ! -1! -1! ! ! 00:00:34! ! ! 255! 258! -1! -1! 3316! 3438! -1! -1! ! ! -1! -1! 27.5! ! 00:00:36! ! ! 731! 226! -1! -1! 9461! 2523! -1! -1! 3.369! ! -1! -1! 15.0! ! 00:00:38! ! ! 70! 69! -1! -1! 647! 676! -1! -1! ! ! -1! -1! 12.5! ! 00:00:38! ! ! 138! 669! -1! -1! 1337! 11507! -1! -1! ! ! -1! -1! 27.5! ! 00:00:41! ! ! 85! 144! -1! -1! 883! 1411! -1! -1! ! ! -1! -1! ! ! 00:00:44! ! ! 278! 422! -1! -1! 2722! 5165! -1! -1! ! ! -1! -1! 12.5! ! 00:00:54! ! ! 1547! 2079! -1! -1! 23680! 36810! -1! -1! ! !-1! -1! 15.0! ! 00:00:57! ! ! 548! 508! -1! -1! 6732! 6119! -1! -1! ! ! -1! -1! 15.0! ! 00:00:57! ! ! 284! 518! -1! -1! 3161! 9107! -1! -1! ! ! -1! -1! 15.0! ! 00:00:58! ! ! 212! 417! -1! -1! 2885! 6768! -1! -1! ! ! -1! -1! 12.5! 22

23 Download coincidencties # Coincidences # # Coincidences between stations in the network # Data taken from June 22, 2014, midnight to June 23, 2014, midnight # Showing only coincidences with at least 2 events # # This data contains the following columns: # # coincidence_id: events with the same id belong to the same coincidence # station_number: the station number that detected the event # date: time of event [GPS calendar date] # time: time of event [GPS time of day] # timestamp: time of event [UNIX timestamp] # nanoseconds: time of event [number of nanoseconds after timestamp] # pulseheights (4x): maximum signal pulseheight [ADC] # integral (4x): integral of the signal [ADC.ns] # number_of_mips (4x): estimate for the number of particles in the detector # arrival_times (4x): relative time of arrival of the first particle in the detector [ns] # trigger_time: relative time of the trigger timestamp [ns] # # Values of -1 for detectors 3 and 4 indicate that the station only has # two detectors. Values of -999 indicate a problem in the analysis of # that particular event. Usually, this is the result from noise in the # signal. # # 0! 7002! ! 00:00:01! ! ! 151! 97! -1! -1! 1993! 1216! -1! -1! ! 0.459! -1! 0! 7003! ! 00:00:01! ! ! 293! 128! -1! -1! 3187! 1389! -1! -1! ! ! -1! 1! 13003! ! 00:00:12! ! ! 99! 68! -1! -1! 1629! 712! -1! -1! -999! -999! -1! 1! 13001! ! 00:00:12! ! ! 4! 333! 7! 319! 0! 2934! 0! 2278! 0.0! ! 0.0! 2! 7003! ! 00:00:26! ! ! 70! 313! -1! -1! 1014! 5977! -1! -1! ! ! -1! 2! 7002! ! 00:00:26! ! ! 376! 215! -1! -1! 3204! 3532! -1! -1! 1.435! ! -1! 3! 20003! ! 00:01:15! ! ! 295! 218! -1! -1! 5116! 2740! -1! -1! -999! -999! -1! 3! 20002! ! 00:01:15! ! ! 399! 463! -1! -1! 4426! 8202! -1! -1! -999! ! -1! 4! 7002! ! 00:01:28! ! ! 560! 539! -1! -1! 9115! 8306! -1! -1! ! ! -1! 4! 7003! ! 00:01:28! ! ! 633! 760! -1! -1! 8082! 9426! -1! -1! ! ! -1! 5! 508! ! 00:01:48! ! ! 2642! 828! -1! -1! 59242! 10922! -1! -1! -999! -999! -1! 5! 507! ! 00:01:48! ! ! 222! 6! 11! 218! 2492! 0! 0! 2184! ! 0.0! 0.0! 5! 501! ! 00:01:48! ! ! 522! 531! 1024! 1387! 6564! 8415! 12334! 19543! ! ! ! 6! 7001! ! 00:01:56! ! ! 1597! 767! -1! -1! 23095! 12748! -1! -1! ! -999! -1! 6! 7002! ! 00:01:56! ! ! 192! 126! -1! -1! 3419! 1630! -1! -1! ! ! -1! 6! 7003! ! 00:01:56! ! ! 824! 173! -1! -1! 12933! 1706! -1! -1! ! ! -1! 7! 20003! ! 00:02:38! ! ! 179! 443! -1! -1! 1349! 4890! -1! -1! -999! -999! -1! 7! 20002! ! 00:02:38! ! ! 527! 478! -1! -1! 11352! 8854! -1! -1! -999! ! -1! 8! 7003! ! 00:02:46! ! ! 107! 362! -1! -1! 848! 6121! -1! -1! ! ! -1! 8! 7002! ! 00:02:46! ! ! 158! 173! -1! -1! 1589! 2184! -1! -1! ! ! -1! 8! 7001! ! 00:02:46! ! ! 405! 504! -1! -1! 5415! 7389! -1! -1! ! -999! -1! 23

24 jsparc Web applicaties Library - eenvoudige toegang tot API en esd Data retrieval - esd data visualizatie elke tab-separated csv Analyse tool - coïncidenties analyseren Trigger simulation - 24

25 SAPPHiRE Python framework API - toegang tot metadata en traces Clusters - stations en detectoren ESD - afgeleide data download (sneller) Corsika - simulaties van air showers Simulations - corsika simulaties op stations, respons Analysis - coincidenties, richting en core reconstructie 25

26 Corsika Simulatie van air showers IN - primair deeltje Soort, energie en richting OUT - alle deeltjes op observatie niveau Soort, positie, tijd en momentum 26

27 Andere activiteiten Reconstructies - betere richting reconstructie Science Park core - meer stations op Science Park Arduino weer station - tastbaar, zelf te bouwen GZ simulaties - simulatie van GZ-events Raspberry Pi - vervanging van station PC Niek David Arne en David Hans Norbert Info pakket - lesmateriaal, werkbladen met uitwerkingen Iedereen 27

28 SAPPHiRE installatie Benodigdheden: Python 2.7, pip, HDF5, gfortran, Atlas... Python packages: NumPy, SciPy, PyTables, mock, progressbar Installatie: Download en installeer Anaconda: Deze installeert de meeste benodigdheden en een Command Prompt, voer daarin de volgende twee commando's uit om het af te ronden: pip install --allow-unverified progressbar progressbar==2.3 pip install hisparc-sapphire Nu kan je ipython starten en sapphire gebruiken, zie de voorbeelden 28

29 $ pip install hisparc-sapphire Later upgraden: $ pip install -U hisparc-sapphire PyPI 29

30 Voorbeelden SAPPHiRE 30

31 >>> from matplotlib.pyplot import plot >>> from datetime import date >>> from sapphire import api >>> stations = [1001, 1008, 2001] >>> dates = [date(y, m, 1)... for y in range(2004, 2014)... for m in range(1, 13)] 31

32 >>> from matplotlib.pyplot import plot >>> from datetime import date >>> from sapphire import api >>> stations = [1001, 1008, 2001] >>> dates = [date(y, m, 1)... for y in range(2004, 2014)... for m in range(1, 13)] >>> for station in stations:... s = api.station(station)... events = [s.n_events(year=d.year, month=d.month) for d in dates]... plot(dates, events)

33 >>> import tables >>> from sapphire.simulations.groundparticles import GroundParticlesSimulation >>> from sapphire.clusters import ScienceParkCluster 33

34 >>> import tables >>> from sapphire.simulations.groundparticles import GroundParticlesSimulation >>> from sapphire.clusters import ScienceParkCluster >>> cluster = ScienceParkCluster() 34

35 >>> import tables >>> from sapphire.simulations.groundparticles import GroundParticlesSimulation >>> from sapphire.clusters import ScienceParkCluster >>> cluster = ScienceParkCluster() >>> with tables.openfile('simulation.h5', 'w') as data:... sim = GroundParticlesSimulation('corsika.h5', 300, cluster, data, '/', 100)... sim.run() 35

36 >>> from matplotlib.pyplot import scatter, axis >>> from sapphire.clusters import Network >>> cluster = Network() >>> x, y = zip(*[s.position for s in cluster.stations]) >>> scatter(x, y) >>> axis('equal') 36

37 >>> from matplotlib.pyplot import scatter, axis >>> from sapphire.clusters import Network >>> cluster = Network() >>> x, y = zip(*[s.position for s in cluster.stations]) >>> scatter(x, y) >>> axis('equal') Aarhus (Denemarken) Nederland England KASCADE (Duitsland) 37

38 Documentatie 38

39 Ontwikkeling 39

40 GitHub Organization

41 Samenwerking Issue tracking, automatische tests.. 41

42 Hands-on Data retrieval 42

43 Browser compatibiliteit We hopen dat de website in zo veel mogelijk browsers werkt. Helaas lukt dat niet altijd. Vooral Internet Explorer doet vaak moeilijk. Wij testen in de huidige versies van: Mozilla Firefox, Google Chrome en Apple Safari De nieuwste versies van Internet Explorer (10+) voldoen beter aan internet standaarden en hebben dus een grotere kans ook goed te werken. Zit je vast aan PCs met een oude Internet Explorer (versie 7 of 8) en heb je niet de rechten hebt daar iets anders te installeren, dan raden we aan om Firefox, Portable Edition te gebruiken. Die kan op een USB stick geïnstaleerd worden, en op PCs vanaf de USB gebruikt worden. Dat hebben wij ook zo op Woudschoten gedaan, en dat werkte goed. 43

44 Data inkijken Bekijk de data die je ingeladen hebt via `show` Bekijk de traces van de events 44

45 Correlaties (scatter plot) timestamp vs. nanoseconds event rate (events) vs. atmospheric pressure (weather) pulseheight vs. pulseintegral Probeer de verschillende fit functies uit 45

46 Histogrammen timestamp t_trigger pulseheight Speel met aantal bins! Probeer de assen logaritmisch te maken 46