Busca por matéria escura no CMS/LHC: um estudo de implementação de métodos de aprendizado de máquina e aplicação de fatores de correção para jatos de quark bottom

• Ano de defesa: 2023
• Autor(a) principal: Campos, Gabriel Moreira da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto de Física Armando Dias Tavares; Brasil; UERJ; Programa de Pós-Graduação em Física
• Palavras-chave em Português: Dark matter (Astronomy); Machine learning; Standard model (Nuclear physics); Compact muon solenoid; Large hadron collider (France and Switzerland); Experimental high energy physics; CMS experiment; Matéria escura (Astronomia); Aprendizado do computador; Modelo padrão (Física nuclear); Solenóide de múon compacto; Grande colisor de hádrons (França e Suíça); Física experimental de altas energias; Experimento CMS; Aprendizado de máquina; CIENCIAS EXATAS E DA TERRA::FISICA::FISICA DAS PARTICULAS ELEMENTARES E CAMPOS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/20641

Nesse trabalho é apresentado um estudo da implementação de algoritmos de aprendizado de máquina e correção de eventos de simulação com a presença de jatos provenientes do quark bottom na busca por matéria escura fermiônica produzida através do processo de decaimento de um bóson de Higgs (H) pesado originado da quebra de simetria espontânea de dois dupletos de Higgs. O estado final do processo ¯bbZ (→ℓ¯ℓ)+E T(a → χ¯χ) é sondado utilizando todos os dados disponíveis no Run-2 do LHC/CMS. A presença de jatos provenientes de quark bottom no estado final tornam obrigatória a correção dos eventos de simulação de modo que exista uma boa concordância com os dados. Devido à baixa seção de choque do sinal, a performance e discriminantes dos algoritmos XGBooste Multi Layer Perceptron foram comparados para melhor determinação da sensibilidade do sinal.