Heidelberg 2022 – wissenschaftliches Programm
Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe
T: Fachverband Teilchenphysik
T 36: Higgs Boson: Extended Models 1
T 36.4: Vortrag
Dienstag, 22. März 2022, 17:00–17:15, T-H21
Verwendung parametrischer neuronaler Netzwerke bei der Suche nach neuer Physik im Rahmen von NMSSM inspirierten Modellen — •Ralf Schmieder, Markus Klute, Günter Quast, Roger Wolf, Sebastian Brommer, Maximilian Burkart, Felix Heyen und Tim Voigtländer — KIT, Karlsruhe, Deutschland
Ein parametrisches neuronales Netzwerk (pNN) ist äquivalent zu einer Folge einzelner, verwandter NNs, von denen jedes eine eigene Aufgabe erfüllt. Diese Äquivalenz wird erreicht, indem der Raum der Eingangsparameter des pNNs, im Vergleich zu den einzelnen NNs, um zusätzliche Modellparameter erweitert wird. Das pNN erfüllt dann, abhängig von diesen Modellparametern, die Aufgaben der einzelnen NNs. Ein typisches Beispiel für den Einsatz eines pNN in der Teilchenphysik ist die Suche nach einem neuartigen Teilchen mit unbekannter Masse. In diesem Fall wird der aus physikalischen Observablen bestehende Raum der Eingangsparameter der einzelnen NNs um den Modellparameter der Masse des neuen Teilchens für die jeweils zu testende Signalhypothese erweitert.
Dieser Vortrag behandelt Studien zu pNNs im Kontext einer durch das NMSSM inspirierten Analyse der Daten des CMS Experiments. Gesucht wird nach dem Zerfall eines schweren Higgs-Bosons H in zwei leichtere Higgs-Bosonen h und hS im Endzustand mit zwei τ-Leptonen und zwei b-Quarks, H→h(ττ)hS(bb), unter der Annahme von m(h)=125 GeV. Dieses Problem besitzt zwei unbekannte Massen m(H) und m(hS), die von der zu testenden Signalhypothese abhängen und beide als Modellparameter in das pNN Training eingehen sollen.