Datová analýza pro rekonstrukci hmoty Higgsova bosonu v ttH produkci

Abstract

Tato práce se zabývá problémem rekonstrukce klidové hmotnosti částice známé jako Higgsův boson pomocí technik strojového učení - neuronových sítí. Je zaměřena na rozpadový kanál 2lSS+1Tau-had. V první části je vysvětlen problém rekonstrukce klidové hmotnosti a popsány některé přístupy k jeho řešení. Další část popisuje fázi rekonstrukce klidové hmotnosti všech částic pomocí exaktních výpočtů a algoritmů. Poté jsou použita data získaná během rekonstrukce ostatních částic ttH systému. Na různě velkých datasetech, je natrénováno a otestováno několik neuronových sítí pro predikci/odhad klidové hmotnosti Higgsova bosonu na úrovni simulace. Nakonec jsou připraveny neuronové sítě pro odhad klidové hmotnosti na úrovni detektoru a pro rozlišení signálu a pozadí.

This thesis deals with the problem of reconstruction of the invariant mass of the Higgs boson using machine learning techniques -- neural networks. It focuses on the 2lSS+1Tau-had decay channel. In the first part, the problem of mass reconstruction is explained and some used approaches to the problem are described. The next part describes the phase of reconstructing the invariant mass of all the particles using exact formulas and algorithms. Then, the data obtained during reconstruction of the other particles of the ttH system are used. Several neural networks are trained and tested on different datasets to predict/estimate the invariant mass of the Higgs boson on truth level. Finally, neural networks for estimating the invariant mass of the Higgs boson on detector level and distinguishing signal events from background are prepared.