Würzburg 2018 – scientific programme

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

T: Fachverband Teilchenphysik

T 34: Top-Quarks: Eigenschaften I

T 34.4: Talk

Tuesday, March 20, 2018, 17:15–17:30, Z6 - SR 1.002

Mechanismen zur Identifikation prompter Photonen am ATLAS-Experiment – maschinelles Lernen als Werkzeug zur Unterdrückung von Fakes — Andreas Kirchhoff, Thomas Peiffer, Arnulf Quadt, Elizaveta Shabalina, Joshua Wyatt Smith, Royer Edson Ticse Torres und •Knut Zoch — II. Physikalisches Institut, Georg-August-Universität Göttingen

Photonen sind in einer Vielzahl von Topologien in der Hochenergiephysik zu finden, sowohl in Prozessen des Standardmodells als auch in Szenarien neuer Physik. Am ATLAS-Experiment werden Photonen zwar mit hoher Effizienz rekonstruiert, allerdings stammt nur ein Teil von ihnen aus der harten Interaktion. Auch in hadronischen Zerfallsprozessen werden sogenannte nicht-prompte Photonen produziert, die die Identifikationskriterien erfüllen. Daneben können Fehler erster Art auftreten, bei denen z.B. hadronische Jets oder Elektronen fälschlicherweise als Photonen klassifiziert werden. Erstere werden entsprechend als hadronische, letztere als leptonische Fake-Photonen bezeichnet.

Bei der Vermessung von ttγ-Topologien am ATLAS-Experiment bei 13 TeV spielt die Photonidentifikation eine entscheidende Rolle, prompte von nicht-prompten Photonen und hadronischen und leptonischen Fakes zu unterscheiden. Neben strikten Identifikationskriterien werden hierzu neuronale Netze eingesetzt, die verschiedene Variablen der Energiedepositionen in den elektromagnetischen Kalorimetern ausnutzen. In diesem Vortrag werden die in der Analyse eingesetzten Methoden vorgestellt und ein Ausblick auf mögliche Erweiterungen und Verbesserungen in der Zukunft gegeben.