National and Kapodistrian University of Athens
Implementation of a lepton identification algorithm using machine learning for measurements of the tt+X associated production process in the CMS experiment at the LHC
Abstract
dc:descriptionΣτόχος της παρούσας εργασίας είναι η ανάπτυξη τεχνικών για την ταυτοποίηση και την επι- λογή λεπτονίων που προέρχονται από διασπάσεις top κουάρκ μέσω μιας επακόλουθης λεπτονικής διάσπασης μποζονίου W. Κατά τη συσχετισμένη παραγωγή top κουάρκ με διανυσματικά μποζό- νια, prompt λεπτόνια μπορούν επίσης να προκύψουν από τη διάσπαση των συσχετισμένων μπο- ζονίων. Τα λεπτόνια από αδρονικές διασπάσεις θεωρούνται non-prompt και εμφανίζονται λιγότερο απομονωμένα από τα prompt λεπτόνια. Αυτά τα non-prompt λεπτόνια είναι από τα πιο σημαν- τικά υπόβαθρα σε διεργασίες που έχουν πολυλεπτονικές τελικές καταστάσεις. Η παρούσα ερ- γασία εστιάζει στην υλοποίηση ενός αλγορίθμου μηχανικής μάθησης για τη διάκριση λεπτονίων σε διεργασίες tt+X στο CMS με έμφαση στη t t̄H(cc̄) διεργασία, με στόχο τη μείωση του non- prompt λεπτονικού υποβάθρου, διατηρώντας ταυτόχρονα της μέγιστη απόδοση στην επιλογή των prompt λεπτονίων.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Κάτρης Παναγιώτης
- Katris Panagiotis
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3414200