Reconstrução de Di-Higgs no LHC com eventos bbWW totalmente leptônicos usando aprendizado de máquina (2024)
- Authors:
- Autor USP: MESQUITA, IGOR NEIVA - IF
- Unidade: IF
- Sigla do Departamento: FMA
- DOI: 10.11606/D.43.2024.tde-27112024-121620
- Subjects: FÍSICA DE PARTÍCULAS; LHC; APRENDIZADO COMPUTACIONAL
- Keywords: MODELO PADRÃO; APRENDIZADO DE MÁQUINA; DI-HIGGS PRODUCTION; FÍSICA DO MODELO PADRÃO; HEAVY HIGGS; HIGGS PESADO; MACHINE LEARNING; PRODUÇÃO DE DI-HIGGS; PRODUÇÃO DE DI-HIGGS RESSONANTE; RESONANT DI-HIGGS PRODUCTION; STANDARD MODEL PHYSICS
- Agências de fomento:
- Language: Português
- Abstract: Esta dissertação investiga a aplicação de técnicas de aprendizado de máquina ao complexo problema de reconstruir decaimentos totalmente leptônicos de di-Higgs e dos processos de fundo envolvendo quarks top no Grande Colisor de Hadrons (LHC, na sigla em inglês). A motivação para este trabalho deriva da necessidade de medir com precisão o parâmetro de autoacoplamento do Higgs, fundamental para entender o potencial do Higgs e explorar a física além do Modelo Padrão. Começando com uma introdução aos conceitos fundamentais de aprendizado de máquina, o estudo desenvolve um modelo de Autoencoder Variacional para Regressão (VAER) adaptado a esse contexto de física de altas energias. Utilizamos MadGraph e Delphes para simular os processos de sinal e de fundo, com foco na produção não ressonante de di-Higgs e em cenários envolvendo bósons de Higgs pesados. O modelo VAER é então aplicado a esses conjuntos de dados para reconstruir a massa invariante do Higgs (Mbbll), demonstrando seu potencial para melhorar a discriminação entre sinal e fundo. Este trabalho ressalta a importância de integrar aprendizado de máquina em análises de física de partículas, visando aumentar a precisão das medições física do Higgs e facilitar a descoberta de novos fenômenos além do Modelo Padrão
- Imprenta:
- Data da defesa: 01.11.2024
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
MESQUITA, Igor Neiva. Reconstrução de Di-Higgs no LHC com eventos bbWW totalmente leptônicos usando aprendizado de máquina. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-27112024-121620/. Acesso em: 20 jan. 2026. -
APA
Mesquita, I. N. (2024). Reconstrução de Di-Higgs no LHC com eventos bbWW totalmente leptônicos usando aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/43/43134/tde-27112024-121620/ -
NLM
Mesquita IN. Reconstrução de Di-Higgs no LHC com eventos bbWW totalmente leptônicos usando aprendizado de máquina [Internet]. 2024 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-27112024-121620/ -
Vancouver
Mesquita IN. Reconstrução de Di-Higgs no LHC com eventos bbWW totalmente leptônicos usando aprendizado de máquina [Internet]. 2024 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/43/43134/tde-27112024-121620/
Informações sobre o DOI: 10.11606/D.43.2024.tde-27112024-121620 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
