Uso de la técnica del plano de Lund para la identificación de partículas en el experímento ATLAS del LHC

Abstract

Se estudia el uso de las variables del Plano de Lund como entradas para algoritmos de aprendizaje automático basados en Graph neural Networks (GNN) para la identificación de jets provenientes de bosones W y bosones de Higgs con alto momento transverso en el experimento del ATLAS. Se realizó el análisis por separado para bosones W y para bosones de Higgs. Para bosones W se probaron 5 diferentes arquitecturas de GNN, además para la arquitectura con mejor comportamiento se estudia la inclusión de una red adversaria con el propósito de obtener un identificador de partículas no dependiente de la masa. Para el bosón de Higgs se realizaron los estudios con el propósito de detectar únicamente el canal de decaimiento H a bb, para este caso 2 arquitecturas fueron estudiadas, una siendo un modelo basado únicamente en GNN que usa variables del plano de Lund y otra un modelo mixto que usa las variables del plano de Lund y además el puntaje del identificador actualmente usado en el experimento del ATLAS. Se obtuvo como resultado para los identificadores de bosones W que 4 de ellos tienen un rechazo de jets no deseados mayor a los identificadores encontrados en la literatura actualmente usados, además para el clasificador entrenado junto a una red adversaria se obtuvo una excelente decorrelación además de mantener un rechazo de eventos no deseados de más del doble en comparación al tagger decorrelacionado de la masa reportado en la literatura. Para el caso de identificación de bosones de Higgs se encontró un pobre rendimiento del algoritmo que únicamente usa las variables del Plano de Lund, pero para el algoritmo mixto se obtiene una mejora de alrededor de un orden de magnitud en el rechazo de los jets no deseados. Para el clasificador mixto entrenado junto a una red adversaria se obtuvo una decorrelación buena con un rechazo de jets de no deseados 3 veces mayor al tagger actualmente usado reportado.

The use of the Lund Plane variables as inputs for machine learning algorithms based on Graph neural Networks (GNN) for the identification of jets coming from W bosons and Higgs bosons with high transverse moment in the ATLAS experiment is studied. The analisis was performed separately for W bosons and for Higgs bosons. For W bosons, 5 different GNN architectures were tested, for the architecture with the best rejection of unwanted jets the inclusion of an adversarial network during the training is studied, in order to obtain a tagger that does not depend on mass. For the Higgs boson, the studies are done with the purpose of tag only the decay channel H to bb, for this case 2 architectures were studied, one being a model based on GNN that uses variables of the Lund plane and the other proposed is a mixed model that uses the Lund plane variables and also the score of the tagger currently used in the ATLAS experiment. It was obtained for the W boson taggers that 4 of the taggers proposed have a greater rejection of unwanted jets than the currently taggers used found in the literature. In addition, the tagger trained together with an adversarial network obtain an excellent decorrelation with a rejection of unwanted jets of more tan double compared to the mass decorrelated taggers reported in the literature. For the case of Higgs boson identification, a poor performance of the algorithm that only uses the variables of the Lund Plane was found compared to current tagger, but for the mixed algorithm an improvement of around an order of magnitude is obtained in the rejection of unwanted jets. For the classifier trained together with an adversarial network a good decorrelation is obtained, with a rejection of unwanted jets 3 times higher than the currently used tagger reported.