Heidelberg 2022 – wissenschaftliches Programm

Bereiche | Tage | Auswahl | Suche | Aktualisierungen | Downloads | Hilfe

T: Fachverband Teilchenphysik

T 25: Data Analysis, Information Technology and Artificial Intelligence

T 25.2: Gruppenbericht

Montag, 21. März 2022, 16:35–16:55, T-H38

Verringerung systematischer Unsicherheiten durch systematics-aware training — Markus Klute, Günter Quast, •Lars Sowa, Roger Wolf und Stefan Wunsch — Karlsruhe Institute of Technology (KIT)

Eine Aufgabe für Analysen in der Hochenergiephysik besteht in der Trennung von Signal und Untergrundereignissen. Durch statistische Anpassung an Daten werden mit Hilfe dieser Trennung Fitparameter und deren Unsicherheiten, die die Genauigkeit der Fitparameter quantifizieren, bestimmt. Um statistische Unsicherheiten dieser Fitparameter zu minimieren, nehmen moderne Teilchenbeschleuniger enorme Datenmengen auf. Infolgedessen treten systematische Unsicherheiten verstärkt in den Vordergrund und Methoden zu deren Unterdrückung gewinnen für Analysen zunehmend an Wichtigkeit.

Dieser Vortrag präsentiert Studien zur Verringerung systematischer Unsicherheiten. Dabei wird eine diagnostische, auf Taylorkoeffizienten basierende Methode verwendet, um den Einfluss systematischer Variationen der Eingangsparameter auf die Ausgabefunktion eines Neuronalen Netzes zu untersuchen. Darauf aufbauend werden erprobte Methoden für systematics-aware training erläutert und vielversprechende, zur Umsetzung geplante Methoden vorgestellt.