untitled

Medición de la producción de pares de jets a 13 TeV y uso de redes neuronales adversarias para identificar jets masivos


Measurement of the di-jet production at 13 TeV and use of adversarial neural-networks to identify heavy jets

Marceca, Gino

Director(a):
Piegaia, Ricardo
 
Institución otorgante:
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
Fecha:
2019-03-12
Tipo de documento: 
info:eu-repo/semantics/doctoralThesis
 
Formato:
application/pdf
Idioma:
spa
Temas:
ATLAS - LHC - JETS - SECCION EFICAZ - REDES NEURONALES - ATLAS - LHC - JETS - CROSS-SECTION - NEURAL-NETWORKS
Descripción:
En esta tesis se presenta la medición de la sección eficaz de masa invariante entre pares de jets producidos en colisiones protón-protón a una energía de centro de masa de 13 TeV. Los datos fueron colectados por el detector ATLAS en el Gran Colisionador de Hadrones del Laboratorio CERN durante el año 2015. Las mediciones de la sección eficaz fueron comparados cuantitativamente con las predicciones teóricas del Modelo Estándar (ME) a orden siguiente al dominante (NLO) corregidas por efectos no pertubativos. Estos estudios ponen a prueba el ME por posible evidencia de nueva física. A su vez, la producción de jets contiene información acerca de la distribución partónica dentro del protón y de la constante de acoplamiento fuerte αs, lo que permite mejorar el conocimiento de QCD a una escala de energía nunca antes alcanzada. Los resultados experimentales mostraron estar en acuerdo con las predicciones teóricas, validando por primera vez el ME a 13 TeV en lo que respecta a la producción de pares de jets. Por otro lado, se describe la aplicación de técnicas de aprendizaje automático para la identificación de jets provenientes de quarks top o bosones W en medio de un fondo dominante de jets de QCD. Dicha tarea resulta fundamental para la búsqueda de partículas masivas producto de nueva física o para la mejora de precisión de las propiedades del Higgs. El modelo propuesto en esta tesis esta basado en redes neuronales adversarias, el cual permite lograr un clasificador no correlacionado con ciertos observables físicos de interés, como la masa del jet. Ciertas búsquedas de nueva física en ATLAS son sensibles a efectos no deseados introducidos por la correlación, inherente para un poder de clasificación optimo, entre la variable discriminante y la masa del jet, lo que resulta en la reducción de la significancia estadística del analisis. Esta técnica propone una solución a este tipo de problemas. Estudios basados en simulaciones Monte Carlo muestran mejoras significativas respecto a otras métodos analíticos y de multivariable utilizados tradicionalmente en ATLAS, resultando por lo tanto prometedor para futuras búsquedas de nueva física.
Identificador:
http://hdl.handle.net/20.500.12110/tesis_n6617_Marceca
Derechos:
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Licencia de uso:
Licencia Creative Commons

Descargar texto: tesis_n6617_Marceca.oai

Cita bibliográfica:

Marceca, Gino  (2019-03-12).     Medición de la producción de pares de jets a 13 TeV y uso de redes neuronales adversarias para identificar jets masivos.  (info:eu-repo/semantics/doctoralThesis).    Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.    [consultado:  ] Disponible en el Repositorio Digital Institucional de la Universidad de Buenos Aires:  <http://hdl.handle.net/20.500.12110/tesis_n6617_Marceca>