Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/17086
Tipo do documento: Dissertação
Título: Estudo da aplicabilidade de classificadores de aprendizado de máquinas na procura por acoplamentos quárticos anômalos no canal semileptônico da produção central exclusiva de WW usando CMS e PPS
Título(s) alternativo(s): Study of the applicability of machine learning classifiers in the search for anomalous quartic couplings in the semileptonic channel of central exclusive production of WW, using CMS and PPS
Autor: Sousa, Matheus Pereira Macedo de 
Primeiro orientador: Mora Herrera, María Clemencia Rosario
Primeiro coorientador: Amaral, Jorge Luís Machado do
Primeiro membro da banca: Costa, Eliza Melo da
Segundo membro da banca: Malbouisson, Helena Brandão
Terceiro membro da banca: Silva, Pedro Manuel Vieira de Castro Ferreira da
Quarto membro da banca: Silveira, Gustavo Gil da
Resumo: No presente texto é apresentado um estudo comparativo entre o método cut-based e machine learning para a busca de acoplamento quártico anômalo de gauge usando prótons identificados no subdetector PPS do CMS. Foi desenvolvida a motivação teórica para a busca desses acoplamentos pela Teoria de Campo Efetiva e a descrição de novos limites superior e inferior. É narrada toda a estrutura experimental que foi usada na reconstrução das partículas usadas na análise. O Precision Proton Spectrometer (PPS) está totalmente aninhado com o detector central, possibilitando a observação dos prótons sobreviventes de processos via Produção Central Exclusiva. A tecnologia usada nos detectores é baseada em silícios que são alocados em dispositivos móveis chamados de Roman Pots que se aproximam da linha do feixe. A amostra de sinal é composto pela produção do par WW a partir da fusão de dois fótons para a topologia de Produção Central Exclusiva (do inglês Central Exclusive Production - CEP), enquanto o fundo possui o mesmo estado final porém vindo de processos diferentes. A busca foi desenvolvida de forma comparativa por dois métodos, o cut-based e o machine learning. Para o segundo, foi usado o LightGBM, um algoritmo baseado em árvore de decisão. Para comparar dados e monte carlo, foi feita a divisão em regiões de controle. A análise foi preparada para uma luminosidade de 9.792 fb⁻¹, o que de certa forma é baixa para busca de física além do Modelo Padrão, por isso usamos o método blinded da região de sinal para os dados para evitar bias. Por fim, contamos a quantidade de eventos que passaram na seleção final dos dois métodos e comparamos os resultados das principais variáveis. Apresentamos os resultados para a sensibilidade dos limites superiores e inferiores das constantes de acoplamentos de ambos os métodos.
Abstract: This text presents a comparative study between the cut-based method and machine learning for the search for anomalous quartic gauge coupling using protons identified in the CMS PPS subdetector. The theoretical motivation for the search for these couplings was developed by the Effective Field Theory and the description of new upper and lower limits. The entire experimental structure that was used in the reconstruction of the particles used in the analysis is narrated. The Precision Proton Spectrometer is fully nested within the central detector, enabling the observation of surviving protons from processes via Exclusive Central Production. The technology used in the detectors is based on silicon that is placed in mobile devices that approach the beam line called Romam Pots. The signal sample is composed by the production of the WW pair from the fusion of two photons for the CEP topology, while the background has the same final state but coming from different processes. The search was developed comparatively by two methods, cut-based and machine learning. For the second, we used LightGBM, a decision tree based algorithm. To compare data and Monte Carlo, the division into control regions was performed. The analysis was prepared for a luminosity of 9,792 fb⁻¹, which is somewhat low for physics searches beyond the Standard Model, so we used the blinded method of the signal region for the data to avoid bias. Finally, we count the number of events that passed the final selection of the two methods and compare the results of the main variables. We present the results for the sensitivity of the upper and lower bounds of the coupling constants of both methods.
Palavras-chave: Particles (Nuclear physics)
Standard model (Nuclear physics)
Machine learning - Particles (Nuclear physics)
Couplings
Compact muon solenoid
Large Hadron Collider (France and Switzerland)
Anomalous quartic couplings
Central exclusive production
CMS
Machine learning
Partículas (Física nuclear)
Modelo padrão (Física nuclear)
Aprendizado do computador – Partículas (Física nuclear)
Acoplamentos
Solenóide de múon compacto
Grande colisor de hádrons (França e Suíça)
Acoplamento quártico anômalo
Produção central exclusiva
CMS
Aprendizado de máquinas
Área(s) do CNPq: CIENCIAS EXATAS E DA TERRA::FISICA::FISICA DAS PARTICULAS ELEMENTARES E CAMPOS::TEORIA GERAL DE PARTICULAS E CAMPOS
Idioma: por
País: Brasil
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Instituto de Física Armando Dias Tavares
Programa: Programa de Pós-Graduação em Física
Citação: SOUSA, Matheus Pereira Macedo de. Estudo da aplicabilidade de classificadores de aprendizado de máquinas na procura por acoplamentos quárticos anômalos no canal semileptônico da produção central exclusiva de WW usando CMS e PPS. 2021. 158 f. Dissertação (Mestrado em Física) - Instituto de Física Armando Dias Tavares, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2021.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/17086
Data de defesa: 26-Ago-2021
Aparece nas coleções:Mestrado em Física

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação - Matheus Pereira Macedo de Sousa - 2021 - Completa.pdf15,64 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.