Parts | Days | Selection | Search | Updates | Downloads | Help

T: Fachverband Teilchenphysik

T 87: Datenanalyse

T 87.9: Talk

Thursday, March 22, 2018, 18:30–18:45, Z6 - SR 2.005

Jet-Klassifizierung mithilfe von „domain adaption“ in tiefen künstlichen neuronalen Netzen — Matthias Mozer, Thomas Müller und •David Walter — Institut für Experimentelle Teilchenphysik (ETP), Karlsruher Institut für Technologie (KIT)

Am CMS-Experiment beim LHC entstehen beim hadronischen Zerfall von hochenergetischen Teilchen wie Quarks und Gluonen Teilchenschauer, sogenannte Jets, die nur schwer ihren Ausgangsteilchen zuzuordnen sind. Bei der höheren Schwerpunktsenergie von √s= 13 TeV bei Run II steigt außerdem die Wahrscheinlichkeit, dass mehrere Zerfallsteilchen als ein Jet rekonstruiert werden (z.B. Z → bb → Jet).

Mit multivariaten Verfahren wird versucht diese Jets ihren Ausgangsteilchen zuzuordnen. Eine recht neue Methode mit künstlichen neuronalen Netzen liefert bisher bei simulierten Daten gute Ergebnisse. Die Klassifizierung auf Messdatenaten ist im Vergleich dazu schlechter. Unter der Zuhilfenahme von Informationen aus den Messdaten beim Training solcher Netze soll versucht werden, die Übereinstimmung von Simulation und Daten zu verbessern.