Quark/gluon jet tagging
Název práce v češtině: | Tagování jetů pocházejících z kvarků a z gluonů |
---|---|
Název v anglickém jazyce: | Quark/gluon jet tagging |
Klíčová slova: | CERN|ATLAS|LHC|DNN|jet |
Klíčová slova anglicky: | CERN|ATLAS|LHC|DNN|jet |
Akademický rok vypsání: | 2022/2023 |
Typ práce: | bakalářská práce |
Jazyk práce: | angličtina |
Ústav: | Ústav částicové a jaderné fyziky (32-UCJF) |
Vedoucí / školitel: | Mgr. Vojtěch Pleskot, Ph.D. |
Řešitel: | Bc. Samuel Jankových - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 03.11.2022 |
Datum zadání: | 03.11.2022 |
Datum potvrzení stud. oddělením: | 24.11.2022 |
Datum a čas obhajoby: | 21.06.2023 09:00 |
Datum odevzdání elektronické podoby: | 09.05.2023 |
Datum odevzdání tištěné podoby: | 09.05.2023 |
Datum proběhlé obhajoby: | 21.06.2023 |
Oponenti: | Mgr. Daniel Scheirich, Ph.D. |
Zásady pro vypracování |
Student natrénuje neuronovou síť na rozpoznávání původu jetů - jestli jet pochází z kvarku, nebo z gluonu. Student pro svou práci použije Monte Carlo simulace používané s daty nabranými detektorem ATLAS na urychlovači LHC v Runu 2, tj. v letech 2015 - 2018. Ke své práci bude používat moderní algoritmy a nástroje - především algoritmus Deep Neural Network (DNN) implementovaný v nástroji TensorFlow. DNN bude trénovat na zvolené GPU farmě, buď na MFF UK, nebo v CERN. |
Seznam odborné literatury |
Jet tagging: https://arxiv.org/abs/2202.03772v2
Deep learning: https://www.deeplearningbook.org/ Transformer: https://arxiv.org/abs/1706.03762 Highway networks: https://arxiv.org/abs/1505.00387 TensorFlow: https://www.tensorflow.org/ |
Předběžná náplň práce |
Kolaborace ATLAS postavila a provozuje obří detektor částic, který zkoumá produkty srážek protonů urychlených urychlovačem LHC v mezinárodní laboratoři CERN. V těchto srážkách se často rodí výtrysky mnoha částic, tzv. jety. Zhruba řečeno, jet je měřitelným důsledkem vzniku kvarku nebo gluonu s vysokou energií. Jety vzniklé z gluonů mají lehce odlišné vlastnosti než jety vzniklé z kvarků, a tudíž lze v principu odlišit jety vzniklé z gluonů a z kvarků. K tomuto úkolu je velmi výhodné použít metody strojového učení. Vhodnou metodou by mohl být algoritmus Deep Neural Network, který je používán v mnoha moderních technologických aplikacích. Při své práci se student seznámí s problematikou tagování jetů, s DNN metodou a s nástrojem TensorFlow. |
Předběžná náplň práce v anglickém jazyce |
The ATLAS collaboration built and operates a huge detector of particles that studies products of collisions of protons accelerated by the LHC accelerator in the international laboratory CERN. Sprays of particles called jets born in the collisions often. Roughly speaking, a jet is a measurable consequence of a high energy quark or gluon production. Gluon-originated jets have slightly different properties than quark-originated ones. In principle, it is possible to distinguish them from each other. For this purpose, it is convenient to use a machine learning method. A good candidate could be a Deep Neural Network algorithm that is used in many modern technological applications. During his work, the student will get familiar with the topic of jet flavour tagging, with DNN and with a tool TensorFlow. |