Publicação: Uso de redes neurais para identificação do decaimento do bóson W
Carregando...
Arquivos
Data
Autores
Orientador
Barreiro, Luiz Antonio 
Coorientador
Fernandez Perez Tomei, Thiago Rafael
Pós-graduação
Curso de graduação
Rio Claro - IGCE - Física
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Este trabalho estuda o uso de redes neurais artificiais para identificar o decaimento do Bóson W em experimentos de física de partículas, como o Compact Muon Solenoid (CMS) no Large Hadron Collider (LHC). O Bóson W é uma partícula mediadora da interação fraca, responsável por processos fundamentais como o decaimento de nêutrons e a troca de sabor entre quarks. Inicialmente, o estudo aborda conceitos do Modelo Padrão da física de partículas, descrevendo as interações entre partículas elementares e destacando a importância do Bóson W. O detector CMS é detalhado com foco nos sistemas de detecção de partículas, como os calorímetros eletromagnético e hadrônico, essenciais para medir a energia das partículas resultantes das colisões. O trabalho destaca o fenômeno de "jatos gordos", que ocorrem quando partículas altamente energéticas, decaem em pares de outras partículas que produzem jatos quase sobrepostos. Esses jatos são difíceis de distinguir por métodos tradicionais devido à proximidade das partículas geradas. A identificação correta desses jatos gordos é crucial para diferenciar eventos de decaimento do Bóson W de outros processos de fundo. Para identificar o Bóson W e seus jatos gordos, utilizou-se uma rede neural multilayer perceptron (MLP), que processa grandes volumes de dados experimentais, identificando padrões complexos. A rede foi treinada com dados simulados, focando na distinção entre eventos de decaimento do Bóson W e outros processos semelhantes. O tratamento de dados incluiu a seleção de características como a energia transversal e a pseudo-rapidez das partículas. A rede MLP foi estruturada com várias camadas ocultas, otimizadas para aumentar a precisão da identificação. Funções de ativação como ReLU foram usadas para melhorar o desempenho durante o treinamento, e algoritmos de otimização, como SGD com momento e ADAM, foram testados. A avaliação do desempenho foi feita através de curvas receiver operating characteristic (ROC), que mostraram a capacidade do modelo em reduzir falsos positivos e distinguir corretamente os decaimentos do Bóson W. Conclui-se que a aplicação de machine learning, especialmente redes neurais, é uma abordagem promissora na análise de dados do CMS, permitindo a identificação precisa de jatos gordos e eventos específicos de decaimento de partículas fundamentais. Este avanço destaca o potencial das técnicas de aprendizado de máquina em experimentos de alta energia, auxiliando no progresso da pesquisa em física de partículas.
Resumo (inglês)
This work studies the use of artificial neural networks to identify the decay of the W boson in particle physics experiments, such as the Compact Muon Solenoid (CMS) at the Large Hadron Collider (LHC). The W boson is a mediator of the weak interaction, responsible for fundamental processes such as neutron decay and flavor exchange between quarks. Initially, the study addresses concepts from the Standard Model of particle physics, describing interactions between elementary particles and highlighting the importance of the W boson. The CMS detector is detailed with a focus on particle detection systems, such as the electromagnetic and hadronic calorimeters, which are essential for measuring the energy of particles resulting from collisions. The work emphasizes the phenomenon of "fat jets," which occur when highly energetic particles decay into pairs of other particles that produce nearly overlapping jets. These jets are difficult to distinguish using traditional methods due to the proximity of the generated particles. Correctly identifying these fat jets is crucial for differentiating W boson decay events from other background processes. To identify the W boson and its fat jets, a multilayer perceptron neural network (MLP) was employed, capable of processing large volumes of experimental data and identifying complex patterns. The network was trained with simulated data, focusing on distinguishing W boson decay events from other similar processes. Data processing included feature selection such as transverse energy and pseudo-rapidity of the particles. The MLP was structured with several hidden layers optimized to enhance identification accuracy. Activation functions like ReLU were used to improve performance during training, and optimization algorithms such as SGD with momentum and ADAM were tested. Performance evaluation was conducted through receiver operating characteristic (ROC) curves, which demonstrated the model's ability to reduce false positives and correctly distinguish W boson decays. It is concluded that the application of machine learning, particularly neural networks, is a promising approach in the analysis of CMS data, enabling precise identification of fat jets and specific events of fundamental particle decays. This advancement highlights the potential of machine learning techniques in high-energy experiments, contributing to the progress of research in particle physics.
Descrição
Palavras-chave
Física de altas energias, Identificação de partículas, Machine learning, Colisões hadrônicas, Bóson W, High-energy physics, Particle identification, Hadronic collisions, W boson
Idioma
Português
