Münster 2017 – wissenschaftliches Programm

Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe

T: Fachverband Teilchenphysik

T 21: Experimentelle Methoden 1 (Computing, Machine Learning, Statistik)

T 21.8: Vortrag

Montag, 27. März 2017, 18:30–18:45, JUR 253

Kontinuumsunterdrückung mit Deep Learning Techniken für das Belle II-Experiment — •Dennis Weyland, Michael Feindt, Jochen Gemmler, Pablo Goldenzweig, Thomas Hauth, Martin Heck und Thomas Keck — IEKP, KIT, Karlsruhe

Das sich im Bau befindliche Belle II-Experiment wird den Großteil seiner Datennahme auf der Energie der Υ(4S) Resonanz durchführen, jedoch entsteht dabei nicht immer ein B B-Mesonenpaar. Der Zerfall e⁺ e⁻ → q q ist der dominante Untergrund und wird Kontinuum genannt. Um in Analysen B B-Mesonenpaare von Kontinuum zu unterscheiden, besitzt das Belle II-Software Framework bereits einen multivariaten Klassifizierungs-Algorithmus. Deep Learning Techniken, die das Trainieren von Neuronalen Netzen in deutlich größeren Dimensionen ermöglichen, finden in letzter Zeit immer häufiger Einzug in physikalische Klassifizierungs-Aufgaben. Aus diesem Grund wird untersucht, wie man Deep Learning in der Kontinuumsunterdrückung einbringen kann, um bessere Resultate als die etablierte Technik zu erzielen.

Dieser Vortrag wird eine Übersicht beider Techniken geben und erste Resultate präsentieren.