Speaker
Description
Identificarea fotonilor joacă un rol crucial în multe din analizele ATLAS, în special în canalul HH → bbyy, care este folosit în căutarea producerii de perechi de bozoni Higgs. La momentul actual ATLAS utilizează o identificare de tip cut-based bazată pe aplicare unor praguri asupra variabilelor de formă a cascadelor electromagnetice în calorimetrul cu argon lichid. În această lucrare, două metode bazate pe algoritmi de învățare automată (Machine Learning), mai precis arbori de decizie amplificați (boosted decision trees) și rețele neuronale sunt investigate ca alternative pentru metodele deja utilizate. Modelele sunt antrenate și testate cu date simulate ATLAS, iar performanțele lor sunt evaluate prin metrici precum eficiența semnalului, rata de identificare eronată a fondului și curbe ROC. Rezultatele arată ca metodele bazate pe Machine Learning pot îmbunătăți discriminarea dintre fotoni si particule de fond prin exploatarea corelațiilor dintre variabilele detectorului. Aceste rezultate demonstrează potențialul metodelor de Machine Learning de a îmbunătăți performanța identificării fotonilor în analizele viitoare ATLAS