Optimalizace výběru signálních rozpadů B0 -> J/psi K*0 na detektoru ATLAS

Abstract

This thesis deals with the optimization of the selection of signal candidates for the de- cay B0 → J/ψK∗0 in the ATLAS experiment. The aim of the thesis is to technically introduce and provide a basic comparison of a simple method of optimized interval cuts and machine learning methods for separating signal from background. Simulated data were used to train and test the classifiers, since the simulations allow to categorize the signal and background candidates. The methods under comparison were TMVA Cuts, a fully connected neural network, and a transformer neural network. The quality of the classification was evaluated using ROC curves, AUC values, and TPR and FPR values at a chosen operating point. The trained methods were applied to simulated and real data.

Táto práca sa zaoberá optimalizáciou výberu signálnych kandidátov rozpadu B0 → J/ψK∗0 v experimente ATLAS. Cieľom práce je technické zavedenie a základné porovna- nie jednoduchej metódy optimalizovaných intervalových rezov a metód strojového učenia pri oddelení signálu od pozadia. Na trénovanie a testovanie klasifikátorov boli použité simulované dáta, v ktorých možno pomocou pravdivostnej informácie určiť, či kandidát zodpovedá signálnemu rozpadu alebo pozadiu. Použitými metódami boli TMVA Cuts, plne prepojená neurónová sieť a transformerová neurónová sieť. Kvalita klasifikácie bola hodnotená pomocou ROC kriviek, hodnoty AUC a hodnôt TPR a FPR pri zvolenom pracovnom bode. Natrénované metódy boli aplikované aj na simulované a reálne dáta.