National and Kapodistrian University of Athens
Development of Machine Learning techniques for the optimization of resonance searches in events with four jets in the final state collected by the CMS experiment at the CERN LHC.
Abstract
dc:descriptionΟ Μεγάλος Επιταχυντής Αδρονίων LHC (Large Hadron Collider) στο Εργαστήριο CERN στην Ελβετία , παράγει συγκρούσεις πρωτονίων-πρωτονίων στα 13,6 TeV, την υψηλότερη ενέργεια που έχει ποτέ επιτευχθεί σε πειράματα φυσικής υψηλών ενεργειών. Αυτή η ενέργεια επιτρέπει στα πειράματα να μελετήσουν το Καθιερωμένο Πρότυπο με μεγάλη ακρίβεια. Οι αδρονικοί πίδακες (Jets) αποτελούν μια πολύ ενδιαφέρουσα προς μελέτη πειραματική υπογραφή των κουάρκ και γλουτόνων. Οι αδρονικοί πίδακες χρησιμοποιούνται από πολλές αναλύσεις στο πείραμα Compact Muon Solenoid (CMS), στοχεύοντας όχι μόνο στη μελέτη του Καθιερωμένο Προτύπου, αλλά και στην εξερεύνηση της φυσικής πέρα από αυτό. Επομένως, είναι αναγκαίο να βελτιστοποιηθούν οι αλγόριθμοι που χρησιμοποιούνται για τέτοιες μελέτες. Η διπλωματική αυτή εργασία αφορά δύο μοντέλα φυσικής, τα οποία οδηγούν στην ανίχνευση τεσσάρων πιδάκων στην τελική κατάσταση: το Suu Diquark (resonant analysis) και το top squark ($\tilde{t}$) (non-resonant analysis), με έμφαση κυρίως στο δεύτερο. Ο κύριος στόχος αυτής της εργασίας είναι η βελτιστοποίηση του αλγορίθμου σύζευξης πιδάκων χρησιμοποιώντας ένα μοντέλο μηχανικής μάθησης. Αυτή η προσπάθεια αποτελεί μια κίνηση για την ενίσχυση της ευαισθησίας αναζήτησης νέας φυσικής στο πείραμα CMS, και πιο ειδικά στο πλαίσιο της ανίχνευσης $\tilde{t}$ (non-resonant analysis). Ταυτόχρονα, διεξάγουμε μια εκτενή ανάλυση διάκρισης σήματος-υποβάθρου, ενσωματώνοντας στατιστικές μεθόδους και συγχρόνως βελτιστοποιώντας τα κριτήρια επιλογής που χρησιμοποιούνται στη μελέτη.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Πάνος Παύλος
- Panos Pavlos
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3389828