Show simple item record

Kalibrace jetů pomocí technik strojového učení
dc.contributor.advisorRybář, Martin
dc.creatorNovotný, Patrik
dc.date.accessioned2021-08-03T09:22:04Z
dc.date.available2021-08-03T09:22:04Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/20.500.11956/128249
dc.description.abstractNázev 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 1cs_CZ
dc.description.abstractTitle: 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...en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectjet|jetová kalibrace|strojového učenícs_CZ
dc.subjectATLAS|heavy ions|jet energy calibration|neural networksen_US
dc.titleExploring jet calibration with machine learning techniquesen_US
dc.typebakalářská prácecs_CZ
dcterms.created2021
dcterms.dateAccepted2021-07-08
dc.description.departmentInstitute of Particle and Nuclear Physicsen_US
dc.description.departmentÚstav částicové a jaderné fyzikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId227346
dc.title.translatedKalibrace jetů pomocí technik strojového učenícs_CZ
dc.contributor.refereeŽlebčík, Radek
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineObecná fyzikacs_CZ
thesis.degree.disciplineGeneral Physicsen_US
thesis.degree.programPhysicsen_US
thesis.degree.programFyzikacs_CZ
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Ústav částicové a jaderné fyzikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Institute of Particle and Nuclear Physicsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csObecná fyzikacs_CZ
uk.degree-discipline.enGeneral Physicsen_US
uk.degree-program.csFyzikacs_CZ
uk.degree-program.enPhysicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csNázev 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 1cs_CZ
uk.abstract.enTitle: 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...en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Ústav částicové a jaderné fyzikycs_CZ
thesis.grade.code1
dc.contributor.consultantSpousta, Martin
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusO


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV