Studium H->WW->e mu pro kvantové provázání s detektorem ATLAS v CERNu

Abstract

Tato bakalářská práce se zabývá problémem rekonstrukce kinematických vlastností W bosonu v H WW* lνlν rozpadu. Primárně se zaměřuje na zkoumání schopnosti několika algoritmů strojového učení přesně rekonstruovat 4-moment bosonu W. Na základě simulovaných dat s kinematikou konečných produktů rozpadu tato práce porovnává výkonnost modelů, jako jsou Random Forest, AdaBoosted Decision Trees a Deep Neural Network, pomocí několika validačních metrik. Trénovací pipeline je vyvinuta pomocí programovacího jazyka Python, aby se usnadnilo trénování modelů a umožnilo provádět experimenty s architekturou a základními metodami. Výzkumem bylo zjištěno, že metoda Deep Neural Network umožňuje přesnou rekonstrukci kinematiky. Přínos této práce spočívá ve zdůraznění velkého potenciálu využití metod strojového učení k rekonstrukci kinematiky bosonů W částicových systémů, což vytváří základ pro budoucí zlepšení testování Bellových nerovností a kvantové tomografie.

This Bachelor thesis adresses the problem of reconstruction of kinematic properties of W bosons in H WW* lνlν decay. The primary focus is to examine the capability of several machine learning algorithms to accurately reconstruct the 4-momenta of the W boson. Using simulated data with the kinematics of the final decay products, this work compares the performance of models such as Random Forest, AdaBoosted Decision Trees and Deep Neural Network using several validation metrics. The training pipeline is developed using the Python programming language to ease model training and allow performing experiments on architecture and underlying methods. The research finds that a Deep Neural Network method allows for the most precise reconstruction of the W kinematics. The contribution of this work lies in emphasizing the great potencial of using machine learning methods to reconstruct the W boson kinematics of particle systems, setting a foundation for future improvements in testing the Bell inequalities and quantum tomography.