Application of Machine Learning on Searches at Large Hadron Coliider = 대형 강입자 가속기 기반 탐색에서 기계 학습 응용
저자
발행사항
서울 : 서울대학교 대학원, 2021
학위논문사항
학위논문(박사)-- 서울대학교 대학원 : 물리·천문학부(물리학전공) 입자물리 현상론 2021. 2
발행연도
2021
작성언어
영어
주제어
DDC
523.01
발행국(도시)
서울
형태사항
x, 137 ; 26 cm
일반주기명
지도교수: 김형도
UCI식별코드
I804:11032-000000164058
DOI식별코드
소장기관
In this thesis, we study the application of machine learning for searches at the Large Hadron Collider without a sharp resonance peak. First, we use machine learning to find the best observables for the broad resonance earch. A vector resonance from the composite Higgs models in $t\bar{t}$ final state is considered as a benchmark. Various approaches are adopted to interpret the abstracted information by the machine, and we conclude that the resonance energy is still important for the broad resonance search, while the angular distributions and the transverse momenta of the decayed products have also great importance. Second, we use machine learning to extract information about the resonance from other than the final state. We show the correlation between the kinematics of jets from initial state radiation and the resonance particle. To demonstrate the experimental feasibility we perform the searching for invisible decay of Higgs by using machine learning. As a result, we show that the bound from gluon-fusion production mechanism can be improved even stronger than the other production mechanisms due to the correlation.
더보기이 논문은 대형 강입자 가속기에서의 탐색 중, 중간 입자의 날카로운 공명 정점이 없는 경우에 대한 기계 학습의 응용을 다룬다. 응용의 한가지 예로써, 기계 학습을 이용하여 탐색하고자 하는 중간 입자의 공명의 폭이 넓을 때 가장 적합한 관측량이 무엇인가에 대하여 조사한다. 보다 자세한 연구를 위하여, 합성 힉스 모형의 전반에서 예측 되는 무거운 합성 벡터 중간자가 위 쿼크와 위 쿼크의 반입자로 공명 붕괴하는 과정을 생각한다. 다양한 방법론을 통하여 기계 학습을 통해 추상화된 정보를 해석하여, 결과적으로 공명 폭이 넓은 경우에도 재구축 된 중간 입자의 질량이 유용하고 붕괴한 입자들의 각도 분포 및
직교 운동량 또한 해당 탐색에서 중요성을 갖고 있음을 확인한다. 두 번째 예로써, 기계 학습을 이용하여 공명을 유발하는 중간 입자의 붕괴 후 최종 상태가 아닌 곳에서 방출 된 입자를 통해 중간 입자에 대한 정보를 추출하는 방법을 연구한다. 이를 이해하기 위하여 초기 상태 복사로 나온 제트와 중간 입자 사이의 상호 관련성이 있음을 보인다. 제시된 분석 방법의 실제 실험에 대한 응용 가능성을 실증하기 위하여, 힉스 입자의 관측 불가능 입자들로의 붕괴에 대한 연구를 기계학습을 이용하여 재현한다. 결과적으로 글루온 융합으로 힉스입자가 생성되는 과정에서 얻을 수 있는 힉스입자의 관측 불가능 입자로 붕괴하는 확률에 대한 구속 조건이 크게 개선되며, 다른 생성 과정보다 강한 구속 조건을 줄 수 있음을 보인다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)