Aplikace strojového učení pro odhad hmotnosti Higgsova bosonu z dat detektoru ATLAS

Abstract

V této práci se zabýváme rekonstrukcí hmotnosti Higgsova bosonu v rozpadovém kanálu 2lSS + 1 tau had v produkci ttH. Na základě rekonstruované hmotnosti separujeme signál od pozadí, kterým je například produkce ttZ. Na datech ze simulace detektoru ATLAS vyvineme dvě neuronové sítě. Nejprve klasifikační neuronovou síť, která data uspořádává přiřazením částic do jednotlivých pozic v kanále. Poté neuronovou síť, která rekonstruuje hmotnost Higgsova bosonu. Tuto síť testujeme na různých selekcích dat a ukazujeme, že dosahuje lepších výsledků než technika Missing Mass Calculator. Na závěr je proveden test na skutečných datech z detektoru ATLAS.

This thesis deals with the reconstruction of the Higgs boson mass decaying in the 2lSS + 1 tau had channel in the ttH production. Based on the reconstructed mass, the goal is to separate the signal from background productions such as the ttZ. The data created by the full ATLAS detector simulation are used to develop two neural networks. First, a classification neural network that organizes the data by assigning detected particles to corresponding positions in the channel. Second, a regression neural network that reconstructs the mass of the Higgs boson. The developed neural network is then tested on different data selections and is shown to outperform the Missing Mass Calculator technique. Finally, the neural network is tested on real ATLAS data.