Ensinando máquinas a reconstruir matéria escura no LHC (2022)
- Authors:
- Autor USP: YAMAGUCHI, CARLOS HIDEO - IF
- Unidade: IF
- DOI: 10.11606/D.43.2022.tde-10102022-084434
- Subjects: FÍSICA DE PARTÍCULAS; APRENDIZADO COMPUTACIONAL; REDES NEURAIS; MATÉRIA ESCURA
- Keywords: FENOMENOLOGIA DE PARTÍCULAS; APRENDIZADO DE MÁQUINA; K-VIZINHOS MAIS PRÓXIMOS; PARTICLE PHENOMENOLOGY; MACHINE LEARNING; NEURAL NETWORK; K-NEAREST NEIGHBORS
- Language: Português
- Abstract: Neutrinos, matéria escura, e partículas neutras de longas vidas médias atravessam os detetores despercebidos, carregando informação importante sobre as partículas pais e fontes de interação necessárias para reconstruir variáveis chaves como picos de ressonância em distribuições de massa invariante. Nesta dissertação, mostramos que um algoritmo de regressão de $k$-vizinhos mais próximos combinado com um classificador de rede neural profunda, um $k$NNNN, conseguem recuperar com precisão as distribuições de massa de pares $W^+W^-$ totalmente leptônicos de um novo bóson de Higgs pesado além dos seus backgrounds do modelo padrão a partir de informações observáveis disponíveis em detetores. Também aplicamos o $k$NNNN para o decaimento de um par de sléptons em léptons mais neutralinos, um candidato a matéria escura, incluindo os backgrounds do modelo padrão. O resultado da regressão pode ser utilizado para treinar classificadores ainda mais poderosos em separar sinais e backgrounds no canal totalmente leptônico e garantir a seleção de bósons de Higgs e sléptons com significância estatística melhorada. O método assume conhecimento prévio da classe dos eventos e parâmetros do modelo sendo, assim, adequado para estudos pós-descoberta
- Imprenta:
- Data da defesa: 09.09.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
YAMAGUCHI, Carlos Hideo. Ensinando máquinas a reconstruir matéria escura no LHC. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-10102022-084434/. Acesso em: 19 abr. 2024. -
APA
Yamaguchi, C. H. (2022). Ensinando máquinas a reconstruir matéria escura no LHC (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/43/43134/tde-10102022-084434/ -
NLM
Yamaguchi CH. Ensinando máquinas a reconstruir matéria escura no LHC [Internet]. 2022 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-10102022-084434/ -
Vancouver
Yamaguchi CH. Ensinando máquinas a reconstruir matéria escura no LHC [Internet]. 2022 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-10102022-084434/
Informações sobre o DOI: 10.11606/D.43.2022.tde-10102022-084434 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
