Pátrání po axionu podobných částicích s využitím strojového učení pro optimalizaci citlivosti k signálu s daty experimentu ATLAS z LHC Run-2

Abstract

V roce 2012 byl v CERNu objeven neutrální Higgsův boson standardního modelu a v současnosti pokračuje pátrání po dalších částicích rozšířeného modelu. Konkrétně se hledá částice podobná axionu (Axion-Like-Particle, ALP). Tato analýza se s využitím technologií strojového učení zabývá oddělením produkce ALP od nežádoucího šumu pozadí. V tomto projektu jsou použita data Run-2 z detektoru ATLAS a je optimalizována účinnost a významnost algoritmu strojového učení v závislosti na teoretické hmotnosti ALP.

The neutral Standard Model Higgs boson was discovered in 2012 at CERN, and the search for further particles of extended models continues. In particular, the search for an Axion-Like-Particle (ALP). Using machine learning technologies, this analysis addresses the separation of ALP production from unwanted background reactions. In this project, the Run-2 data from the ATLAS detector are used and the efficiency as well as the significance of the machine learning algorithm is optimized as a function of theoretical ALP mass.