Exploring jet calibration with machine learning techniques

Abstract

Název práce: Kalibrace jetů pomocí technik strojového učení Autor: Patrik Novotný Ústav: Ústav částicové a jaderné fyziky Vedoucí práce: Mgr. Martin Rybář, Ph.D, Ústav částicové a jaderné fyziky Abstrakt: Jety, kolimované spršky částic, jsou považované za ideální nástroj ke studiu hmoty, která vzniká v těžko-iontových srážkách. Práce se zabývá možnostmi využití tech- nik strojové učení ke zlepšení celkové kalibrace odezvy jetů na experimentu ATLAS v CERN v rámci výzkumu srážek jader olova. Prvně je ukázána současná energetická škála a rozlišení jetů v závislosti na hodnotě příčné hybnosti, pseudorapidity a centrality srážek. Dále je ukázano, že současná kalibrace nezohledňuje, jsou-li jsou jety indukované kvar- kem či gluonem. Následně je vytipována čtveřice proměnných, pomocí níž by mohlo být možné rozlišit mezi sebou tyto dvě skupiny jetů. Pro danou čtveřici jsou provedeny stu- die míry korelace s střední odezvou detektoru jakožto funkce centrality. V rámci poslední části je popsán proces přípravy souboru trénovacích dat, nastavení a analýzy neuronových sítí pomocí nástrojů, které nám poskytuje knihovna MultiLayerPerceptron frameworku ROOT. Finální výsledkem práce je nalezení sítě, která zlepšuje rozlišení odezvy. Klíčová slova: ATLAS, těžké ionty, kalibrace jetů, neuronové sítě 1

Title: Exploring jet calibration with machine learning techniques Author: Patrik Novotný Institute: Institute of Particle and Nuclear Physics Supervisor: Mgr. Martin Rybář, Ph.D., Institute of Particle and Nuclear Physics Abstract: Jets, collimated sprays of particles, are considered to be a perfect probe of the matter created at heavy-ion collisions. The work explores the possibility of using machine learning techniques to improve the overall calibration of jet energy scale and its resolution for ATLAS experiment calorimeters, which are used in the research of lead nucleus collisions. First, the current performance of jet reconstruction quantified by mean response and energy resolution dependence on the value of transverse momentum, pseudorapidity, and centrality of collisions is shown. It is further discussed that the current calibration does not take into account whether the jets are induced by a quark or gluon. Subsequently, four variables are selected, which might be used to distinguish between these two groups of jets. The dependence of the response on those quantities and on centrality is further studied. The last part describes the process of the preparation of a training data set, set up of the neural network, and the analysis of it using tools provided by the MultiLayerPerceptron library of the...