Wuppertal 2015 – scientific programme
Parts | Days | Selection | Search | Updates | Downloads | Help
T: Fachverband Teilchenphysik
T 55: Experimentelle Methoden: Effizienzen
T 55.3: Talk
Tuesday, March 10, 2015, 17:15–17:30, K.12.20 (K2)
Identifikation von hadronisch zerfallenden Tau-Leptonen am ATLAS-Detektor mithilfe von tiefen neuronalen Netzwerken — Dirk Duschinger, Stefanie Hanisch, Wolfgang Mader, •Nico Madysa, and Arno Straessner — Institut für Kern- und Teilchenphysik, TU Dresden, Germany
Eines der vorrangigen Ziele des ATLAS-Experiments am LHC ist die Suche nach Physik jenseits des Standardmodells. Ein hierfür vielversprechender Prozess ist der Zerfall neutraler Higgs-Bosonen in zwei hadronisch zerfallende Tau-Leptonen H → τhad τhad. Signalereignisse werden dabei mithilfe eines Boosted-Decision-Tree-Algorithmus (BDT) anhand rekonstruierter Teilcheneigenschaften identifiziert und gegen QCD-Jets diskriminiert.
Deep Neural Networks (DNNs) sind künstliche neuronale Netzwerke mit einer großen Zahl verborgener Schichten. Seit 2010 haben DNNs in verschiedenen Bereichen wie Schrift- und Spracherkennung große Erfolge erzielt.
Dieser Vortrag stellt einen DNN-basierten Ansatz zur Identifikation von hadronisch zerfallenden Tau-Leptonen vor und vergleicht ihn mit der bisherigen BDT-basierten Methode. Die Analyse basiert auf Daten des ATLAS-Detektors, die 2012 am LHC mit einer Schwerpunktsenergie von √s = 8 TeV aufgenommen wurden.