Bereiche | Tage | Auswahl | Suche | Downloads | Hilfe

T: Teilchenphysik

T 606: Post-deadline session

T 606.3: Vortrag

Freitag, 24. März 2000, 14:45–15:00, H\,403

Teilchenidentifikation mit unüberwacht trainierten künstlichen neuronalen Netzen — •Klaus Götzen — Ruhr-Universität Bochum

Beim BaBar-Projekt am SLAC soll in Zerfällen der B-Mesonen nach CP-verletzenden Anteilen gesucht werden. Hierbei ist es von entscheidender Bedeutung, zur genaueren Bestimming von physikalischen Größen eine hohe Statistik möglichst gut klassifizierter Reaktionen zu erreichen. Die hier auftretenden Probleme sind, daß die Rekombination von Teilchenspuren u.U. extrem rechenaufwendig und langwierig sein kann (z.B. kinematische Fits), desweiteren sich durch Rekombination falscher Teilchenkandidaten i. allg. ein unerwünschter kombinatorischer Untergrund ergibt, welcher das Endergebnis negativ beeinflußt. Durch eine möglichst saubere Präselektion auf dem Mikrolevel (Einzelspuren mit substanzieller Detektorinformation) können die o.g. Probleme entschieden vermindert werden. Klassisch werden für diese Zwecke sukzessive empirisch motivierte Schnitte auf Meßdatenverteilungen in ein oder zwei Dimensionen durchgeführt. Hier soll eine Möglichkeit vorgestellt werden, wie diese Schnitte durch künstliche neuronale Netze, insbesondere im hochdimensionalen Raum, datengetrieben automatisch adaptiert und zur Selektion verwendet werden können.