{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3477308"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3477308","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ταυτοποίηση αδρονικών καταιγισμών από κουάρκς ελαφριάς γεύσης σε αναζητήσεις νέας φυσικής με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση χρησιμοποιώντας δεδομένα Monte Carlo από το πείραμα CMS στον LHC του CERN","abstract":"Η παρούσα διπλωματική εργασία εξετάζει την ταυτοποίηση κουάρκ ελαφριάς γεύσης (light-quark tagging) σε γεγονότα με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση, οι οποίοι ομαδοποιούνται ανά ζεύγη, με σκοπό την αναζήτηση νέας φυσικής. Για τον σκοπό αυτό, αξιοποιούμε και μελετούμε μια καινοτόμο κατηγοριοποίηση με την τεχνική μηχανικής μάθηση (Particle Transformer), η οποία ενσωματώνει τις αλληλεπιδράσεις μεταξύ ζευγών σωματιδίων στον μηχανισμό της τελικής εκπαίδευσης. Αυτή η προσέγγιση επιτρέπει την υπεροχή σε απόδοση σε σχέση με προηγούμενες τεχνικές. Τα δεδομένα προέρχονται από προσομοιώσεις Monte Carlo του πειράματος CMS του Μεγάλου Επιταχυντή Αδρονίων (LHC) του CERN, σε συγκρούσεις πρωτονίων με ενέργεια 13.6 TeV. Η μελέτη εστιάζει σε σήματα νέας φυσικής που περιλαμβάνουν δύο up κουάρκς και δύο γκλουόνια στην τελική κατάσταση, και εμφανίζονται ως συντονισμοί σε διαφορετικές αναλλοίωτες μάζες δύο και τεσσάρων αδρονικών πιδάκων. Με αυτά μελετούμε και αξιολογούμε την επίδραση του light-quark tagging στη σημαντικότητα (significance) των σημάτων, χρησιμοποιώντας τόσο την truth-level πληροφορία όσο και την ανακατασκευασμένη πληροφορία από τον Particle Transformer. Τα αποτελέσματα δείχνουν ότι το light tagging, χρησιμοποιώντας τον Particle Transformer, δεν καταφέρνει, προς το παρόν, να αυξήσει τη σημαντικότητα. Αντίθετα, η χρήση της truth-level πληροφορίας οδηγεί σε αύξηση της σημαντικότητας για όλα τα σήματα, ειδικά σε χαμηλότερες αναλλοίωτες μάζες. Αυτό υποδηλώνει την ύπαρξη περιθωρίου σημαντικής βελτίωσης της απόδοσης του jet tagging, με συνεπακόλουθη βελτίωση και της δυνατότητας ανακάλυψης νέων συντονισμών.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει την ταυτοποίηση κουάρκ ελαφριάς γεύσης (light-quark tagging) σε γεγονότα με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση, οι οποίοι ομαδοποιούνται ανά ζεύγη, με σκοπό την αναζήτηση νέας φυσικής. Για τον σκοπό αυτό, αξιοποιούμε και μελετούμε μια καινοτόμο κατηγοριοποίηση με την τεχνική μηχανικής μάθηση (Particle Transformer), η οποία ενσωματώνει τις αλληλεπιδράσεις μεταξύ ζευγών σωματιδίων στον μηχανισμό της τελικής εκπαίδευσης. Αυτή η προσέγγιση επιτρέπει την υπεροχή σε απόδοση σε σχέση με προηγούμενες τεχνικές. Τα δεδομένα προέρχονται από προσομοιώσεις Monte Carlo του πειράματος CMS του Μεγάλου Επιταχυντή Αδρονίων (LHC) του CERN, σε συγκρούσεις πρωτονίων με ενέργεια 13.6 TeV. Η μελέτη εστιάζει σε σήματα νέας φυσικής που περιλαμβάνουν δύο up κουάρκς και δύο γκλουόνια στην τελική κατάσταση, και εμφανίζονται ως συντονισμοί σε διαφορετικές αναλλοίωτες μάζες δύο και τεσσάρων αδρονικών πιδάκων. Με αυτά μελετούμε και αξιολογούμε την επίδραση του light-quark tagging στη σημαντικότητα (significance) των σημάτων, χρησιμοποιώντας τόσο την truth-level πληροφορία όσο και την ανακατασκευασμένη πληροφορία από τον Particle Transformer. Τα αποτελέσματα δείχνουν ότι το light tagging, χρησιμοποιώντας τον Particle Transformer, δεν καταφέρνει, προς το παρόν, να αυξήσει τη σημαντικότητα. Αντίθετα, η χρήση της truth-level πληροφορίας οδηγεί σε αύξηση της σημαντικότητας για όλα τα σήματα, ειδικά σε χαμηλότερες αναλλοίωτες μάζες. Αυτό υποδηλώνει την ύπαρξη περιθωρίου σημαντικής βελτίωσης της απόδοσης του jet tagging, με συνεπακόλουθη βελτίωση και της δυνατότητας ανακάλυψης νέων συντονισμών.","abstract_has_math":false,"creators":["Κάρμη Αικατερίνη","Karmi Aikaterini"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:32:17Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3477308"],"render_values":[{"text":"uoadl:3477308","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3477308","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3477308","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3477308","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κάρμη Αικατερίνη","Karmi Aikaterini"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3477308","https://pergamos.lib.uoa.gr/uoa/dl/object/3477308"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει την ταυτοποίηση κουάρκ ελαφριάς γεύσης (light-quark tagging) σε γεγονότα με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση, οι οποίοι ομαδοποιούνται ανά ζεύγη, με σκοπό την αναζήτηση νέας φυσικής. Για τον σκοπό αυτό, αξιοποιούμε και μελετούμε μια καινοτόμο κατηγοριοποίηση με την τεχνική μηχανικής μάθηση (Particle Transformer), η οποία ενσωματώνει τις αλληλεπιδράσεις μεταξύ ζευγών σωματιδίων στον μηχανισμό της τελικής εκπαίδευσης. Αυτή η προσέγγιση επιτρέπει την υπεροχή σε απόδοση σε σχέση με προηγούμενες τεχνικές. Τα δεδομένα προέρχονται από προσομοιώσεις Monte Carlo του πειράματος CMS του Μεγάλου Επιταχυντή Αδρονίων (LHC) του CERN, σε συγκρούσεις πρωτονίων με ενέργεια 13.6 TeV. Η μελέτη εστιάζει σε σήματα νέας φυσικής που περιλαμβάνουν δύο up κουάρκς και δύο γκλουόνια στην τελική κατάσταση, και εμφανίζονται ως συντονισμοί σε διαφορετικές αναλλοίωτες μάζες δύο και τεσσάρων αδρονικών πιδάκων. Με αυτά μελετούμε και αξιολογούμε την επίδραση του light-quark tagging στη σημαντικότητα (significance) των σημάτων, χρησιμοποιώντας τόσο την truth-level πληροφορία όσο και την ανακατασκευασμένη πληροφορία από τον Particle Transformer. Τα αποτελέσματα δείχνουν ότι το light tagging, χρησιμοποιώντας τον Particle Transformer, δεν καταφέρνει, προς το παρόν, να αυξήσει τη σημαντικότητα. Αντίθετα, η χρήση της truth-level πληροφορίας οδηγεί σε αύξηση της σημαντικότητας για όλα τα σήματα, ειδικά σε χαμηλότερες αναλλοίωτες μάζες. Αυτό υποδηλώνει την ύπαρξη περιθωρίου σημαντικής βελτίωσης της απόδοσης του jet tagging, με συνεπακόλουθη βελτίωση και της δυνατότητας ανακάλυψης νέων συντονισμών.","This thesis examines the identification of light-quark jet tagging in events with four hadronic jets in the final state, which are grouped in pairs, in order to search for new physics. For this purpose, we exploit and study an innovative classification utilizing machine learning techniques (Particle Transformer), which incorporates the interactions between pairs of particles in the final training mechanism. This approach allows superior performance over previous techniques. The data come from Monte Carlo simulations of CERN’s Large Hadron Collider (LHC) CMS experiment, in proton-proton collisions at 13.6 TeV. The study focuses on new physics signals involving two up quarks and two gluons in the final state, appearing as resonances at different invariant masses of two and four hadronic jets. With these we study and evaluate the effect of light-quark tagging on the significance of the signals, using both the truth-level information and the reconstructed information from Particle Transformer. The results so far indicate that light jet tagging, using the Particle Transformer, does not increase the discovery potential. In contrast, the use of truth-level information leads to an increase in significance for all signals, especially at lower invariant masses. This suggests that there is room for significant improvements in the performance of jet tagging in the future, with consequent improvement in the potential of discovering new resonances."]},{"key":"dc:title","label":"Title","values":["Ταυτοποίηση αδρονικών καταιγισμών από κουάρκς ελαφριάς γεύσης σε αναζητήσεις νέας φυσικής με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση χρησιμοποιώντας δεδομένα Monte Carlo από το πείραμα CMS στον LHC του CERN"]}]}],"canonical_facts":{"dc:creator":["Κάρμη Αικατερίνη","Karmi Aikaterini"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει την ταυτοποίηση κουάρκ ελαφριάς γεύσης (light-quark tagging) σε γεγονότα με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση, οι οποίοι ομαδοποιούνται ανά ζεύγη, με σκοπό την αναζήτηση νέας φυσικής. Για τον σκοπό αυτό, αξιοποιούμε και μελετούμε μια καινοτόμο κατηγοριοποίηση με την τεχνική μηχανικής μάθηση (Particle Transformer), η οποία ενσωματώνει τις αλληλεπιδράσεις μεταξύ ζευγών σωματιδίων στον μηχανισμό της τελικής εκπαίδευσης. Αυτή η προσέγγιση επιτρέπει την υπεροχή σε απόδοση σε σχέση με προηγούμενες τεχνικές. Τα δεδομένα προέρχονται από προσομοιώσεις Monte Carlo του πειράματος CMS του Μεγάλου Επιταχυντή Αδρονίων (LHC) του CERN, σε συγκρούσεις πρωτονίων με ενέργεια 13.6 TeV. Η μελέτη εστιάζει σε σήματα νέας φυσικής που περιλαμβάνουν δύο up κουάρκς και δύο γκλουόνια στην τελική κατάσταση, και εμφανίζονται ως συντονισμοί σε διαφορετικές αναλλοίωτες μάζες δύο και τεσσάρων αδρονικών πιδάκων. Με αυτά μελετούμε και αξιολογούμε την επίδραση του light-quark tagging στη σημαντικότητα (significance) των σημάτων, χρησιμοποιώντας τόσο την truth-level πληροφορία όσο και την ανακατασκευασμένη πληροφορία από τον Particle Transformer. Τα αποτελέσματα δείχνουν ότι το light tagging, χρησιμοποιώντας τον Particle Transformer, δεν καταφέρνει, προς το παρόν, να αυξήσει τη σημαντικότητα. Αντίθετα, η χρήση της truth-level πληροφορίας οδηγεί σε αύξηση της σημαντικότητας για όλα τα σήματα, ειδικά σε χαμηλότερες αναλλοίωτες μάζες. Αυτό υποδηλώνει την ύπαρξη περιθωρίου σημαντικής βελτίωσης της απόδοσης του jet tagging, με συνεπακόλουθη βελτίωση και της δυνατότητας ανακάλυψης νέων συντονισμών.","This thesis examines the identification of light-quark jet tagging in events with four hadronic jets in the final state, which are grouped in pairs, in order to search for new physics. For this purpose, we exploit and study an innovative classification utilizing machine learning techniques (Particle Transformer), which incorporates the interactions between pairs of particles in the final training mechanism. This approach allows superior performance over previous techniques. The data come from Monte Carlo simulations of CERN’s Large Hadron Collider (LHC) CMS experiment, in proton-proton collisions at 13.6 TeV. The study focuses on new physics signals involving two up quarks and two gluons in the final state, appearing as resonances at different invariant masses of two and four hadronic jets. With these we study and evaluate the effect of light-quark tagging on the significance of the signals, using both the truth-level information and the reconstructed information from Particle Transformer. The results so far indicate that light jet tagging, using the Particle Transformer, does not increase the discovery potential. In contrast, the use of truth-level information leads to an increase in significance for all signals, especially at lower invariant masses. This suggests that there is room for significant improvements in the performance of jet tagging in the future, with consequent improvement in the potential of discovering new resonances."],"dc:identifier":["uoadl:3477308","https://pergamos.lib.uoa.gr/uoa/dl/object/3477308"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Ταυτοποίηση αδρονικών καταιγισμών από κουάρκς ελαφριάς γεύσης σε αναζητήσεις νέας φυσικής με τέσσερις αδρονικούς πίδακες στην τελική κατάσταση χρησιμοποιώντας δεδομένα Monte Carlo από το πείραμα CMS στον LHC του CERN"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:32:17Z"}