Search for dark matter in monotop events at the Large Hadron Collider

Detalhes bibliográficos
Autor(a) principal: Teixeira, Maura Gabriela Barros
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/73681
Resumo: Dissertação de mestrado em Física
id RCAP_18c6a24b304d81b901f6cea26b47d048
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/73681
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Search for dark matter in monotop events at the Large Hadron ColliderPesquisa por matéria escura em eventos monotop no Grande Colisionador de HadrõesDark matterMachine learningModel performance metricsMonotopAprendizagem automáticaMatéria escuraMètricasMonotopCiências Naturais::Ciências FísicasDissertação de mestrado em FísicaThe Standard Model (SM) can be considered an approximation at a lower energy of a more fundamental theory which encourages the search for new physics. One evidence supporting that new particles beyond the SM might exist comes from astrophysical measurements that point to the existence of a kind of matter that does not interact with the electromagnetic force, usually referred to as Dark Matter (DM). Although the particles associated with this DM are not expected to interact significantly with detectors, proton-proton collisions at the Large Hadron Collider (LHC) can produce new particles that couple both to DM candidate particles and to SM particles allowing the detection of these processes. The searches with a monotop signature look for events with one top quark and large missing transverse energy from the DM candidates. The quantity of data produced at the LHC is huge and complex, therefore the use of Machine Learning (ML) techniques is becoming more usual in this context. The training of 100 Neural Networks (NN) with di↵erent hyperparameters was done and the limits were calculated. High Energy Physics (HEP) related model performance measures were proposed. A comparison between the hyperparameters, the model performance metrics and the limits is done in order to determine their relation. Another purpose is to present a detailed study on the search for DM with a monotop signature and also contribute to the analysis being done by the ATLAS experiment at the LHC, by doing a Next-to-Leading Order (NLO) versus Leading Order (LO) study on the signal phenomenology and producing the JobOptions for the signal generation.O Modelo Padrão pode ser considerado uma aproximação a mais baixa energia de uma teoria fundamental, o que encoraja a procura por nova Física. Uma evidência que suporta a existência de novas partículas para além do Modelo Padrão surge de medidas astrofísicas que apontam para a existência de um tipo de matéria que não interage com a força eletromagnética, usualmente designada por Matéria Escura. Apesar de não ser esperado que as partículas associadas com a Matéria Escura interajam significativamente com detetores, as colisões protão-protão no Grande Colisionador de Hadrões podem produzir novas partículas que acoplam às partículas candidatas a Matéria Escura e às partículas do Modelo Padrão permitindo a deteção destes processos. As pesquisas com uma assinatura monotop procuram por eventos com um quark top e grande energia transversa em falta proveniente dos candidatos a Matéria Escura. A quantidade de dados produzida no Grande Colisionador de Hadrões é enorme e complexa por isso o uso de técnicas de Machine Learning está-se a tornar mais usual neste contexto. O treino de 100 redes neuronais com hiperparâmetros diferentes foi feito e os limites foram calculados. Foram propostas métricas associadas a Física das Altas Energias. A comparação entre os hiperparâmetros, os valores das métricas e os limites é feita com o objetivo de determinar a sua relação. Outro objetivo para esta tese é apresentar um estudo detalhado na pesquisa por Matéria Escura com uma assinatura monotop e também contribuir para a análise feita pela experiência ATLAS no Grande Colisionador de Hadrões, fazendo um estudo Next-to-Leading Order versus Leading Order na fenomenologia do sinal e produzindo as JobOptions para a geração de sinal.I thank LIP (Laboratório de Instrumentação e Física Experimental de Partículas), FCT/MEC (Fundação Ciência e Tecnologia / Ministério da Educação e da Ciência), FEDER (Fundo Europeu de Desenvolvimento Regional) for funding my activities, through BigDataHEP project POCI/01-0145-FEDER-029147, PTDC/FIS-PAR/29147/2017 financed by funds OE/FCT, Lisboa2020, Compete2020, Portugal 2020, FEDER and ATLAS CERN/FIS-PAR/0002/2019, financed by funds OE/FCT.Castro, Nuno FilipeRomão, Miguel Correia dos Santos CrispimUniversidade do MinhoTeixeira, Maura Gabriela Barros20202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/73681eng202638766info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:53:09Zoai:repositorium.sdum.uminho.pt:1822/73681Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:52:27.974555Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Search for dark matter in monotop events at the Large Hadron Collider
Pesquisa por matéria escura em eventos monotop no Grande Colisionador de Hadrões
title Search for dark matter in monotop events at the Large Hadron Collider
spellingShingle Search for dark matter in monotop events at the Large Hadron Collider
Teixeira, Maura Gabriela Barros
Dark matter
Machine learning
Model performance metrics
Monotop
Aprendizagem automática
Matéria escura
Mètricas
Monotop
Ciências Naturais::Ciências Físicas
title_short Search for dark matter in monotop events at the Large Hadron Collider
title_full Search for dark matter in monotop events at the Large Hadron Collider
title_fullStr Search for dark matter in monotop events at the Large Hadron Collider
title_full_unstemmed Search for dark matter in monotop events at the Large Hadron Collider
title_sort Search for dark matter in monotop events at the Large Hadron Collider
author Teixeira, Maura Gabriela Barros
author_facet Teixeira, Maura Gabriela Barros
author_role author
dc.contributor.none.fl_str_mv Castro, Nuno Filipe
Romão, Miguel Correia dos Santos Crispim
Universidade do Minho
dc.contributor.author.fl_str_mv Teixeira, Maura Gabriela Barros
dc.subject.por.fl_str_mv Dark matter
Machine learning
Model performance metrics
Monotop
Aprendizagem automática
Matéria escura
Mètricas
Monotop
Ciências Naturais::Ciências Físicas
topic Dark matter
Machine learning
Model performance metrics
Monotop
Aprendizagem automática
Matéria escura
Mètricas
Monotop
Ciências Naturais::Ciências Físicas
description Dissertação de mestrado em Física
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/73681
url http://hdl.handle.net/1822/73681
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 202638766
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133116721266688

Registros relacionados